基于深度學(xué)習(xí)的網(wǎng)絡(luò)攻擊檢測(cè)模型

摘要： 為提高復(fù)雜網(wǎng)絡(luò)條件下網(wǎng)絡(luò)攻擊的檢測(cè)檢測(cè)精度、降低時(shí)間開(kāi)銷(xiāo)，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)、雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)和注意力機(jī)制融合的網(wǎng)絡(luò)攻擊檢測(cè)模型GP-CABL。GP-CABL能夠有效抽取網(wǎng)絡(luò)流量的最優(yōu)特征，并能夠充分學(xué)習(xí)網(wǎng)絡(luò)流量的空間和時(shí)序特征，有效提升了檢測(cè)精度、降低了計(jì)算開(kāi)銷(xiāo)。實(shí)驗(yàn)表明，GP-CABL針對(duì)主要網(wǎng)絡(luò)攻擊識(shí)別精度可達(dá)99.87%，相較當(dāng)前研究有較大性能提升，并具有較好的...