基于LiCNN与BiLSTM的物联网入侵检测系统  

作　　者：李奕蒙 滑斌 

机构地区：[1]宁夏大学信息工程学院,宁夏银川750021

出　　处：《物联网技术》2024年第10期45-50,共6页Internet of things technologies

基　　金：国家自然科学基金地区科学基金项目(62162052)。

摘　　要：针对入侵检测系统中出现的局部特征提取能力不足问题,提出了一种侧抑制卷积神经网络模型(LiCNN),即在已有的CNN模型中加入侧抑制模块增强局部特征提取能力;针对一般卷积网络难以提取高维特征的问题,在LiCNN结构中引入逆残差概念,进一步提高模型高维特征的提取能力;针对传统入侵检测模型存在的无法处理长距离依赖关系、难以并行化等问题,采用双向长短期记忆网络(BiLSTM)提取时序特征,通过增强上下文信息捕捉能力来处理长距离依赖关系,提高模型的预测精度。在公开数据集CICIDS2017上进行实验,经过对比传统模型以及现有的入侵检测方法表明,所提模型拥有较好的性能。模型预测准确率、召回率、F1值较高,证明了其有效性和可行性。

关 键 词：物联网 网络安全 入侵检测系统 侧抑制卷积神经网络 双向长短期记忆网络 CICIDS2017数据集 

分 类 号：TP393.0[自动化与计算机技术—计算机应用技术]