基于深度学习的网络入侵检测技术研究

孟禹

doi:10.20212/j.issn.1008-2441.2025.02.011

鞍山师范学院学报 ›› 2025, Vol. 27 ›› Issue (02) : 56 -60. DOI: 10.20212/j.issn.1008-2441.2025.02.011

基于深度学习的网络入侵检测技术研究

孟禹

作者信息 +

Author information +

文章历史 +

PDF

摘要

随着深度学习技术的发展，基于深度学习的入侵检测技术已经成为网络安全领域的重要研究方向之一.提出一种结合卷积神经网络和长短期记忆网络的入侵检测模型，即CNN-LSTM模型.针对该模型对少数类样本识别率低的问题，利用K-Means聚类算法和Tomek Links方法对数据集进行数据平衡，设计出基于KMS-Tomek-CNN-LSTM的网络入侵检测模型，并在实验数据集上取得了较高的精确度和F₁值，验证了该模型的有效性.