基于可视化的胶囊网络入侵检测方法

摘要

针对一维的入侵检测数据输入到深度学习模型中，通常被切割并简单堆叠，并对空位补0的现状，本文使用了可视化工具对数据中特征位置进行重定义，增加了二维数据中各像素帧中特征的关联性.同时选用融合CBAM轻量化注意力机制的胶囊网络，构建了基于可视化的胶囊网络入侵检测方法.实验结果表明，由可视化重定义的二维数据样本的准确率更高，且该入侵检测方法在UNSW-NB15和IDS-2017数据集表现同样优异.

关键词

入侵检测 / CBAM / 胶囊网络 / 数据可视化