基于深度学习的网络入侵检测系统  

作　　者：单锦涛 郭丽红[1] 纪宇菲 胡婷婷[1] 冯幽默 董钰[1] 

机构地区：[1]南京工程学院信息与通信工程学院,江苏南京211167

出　　处：《物联网技术》2025年第5期63-67,共5页Internet of things technologies

基　　金：江苏省大学生科技创新项目(202311276062Y);南京工程学院校级基金项目(YKJ202214)。

摘　　要：随着数字时代的到来,网络安全问题日益凸显,尤其是网络入侵行为对信息系统的安全构成了严重威胁。针对传统安全防御机制无法应对日益复杂的入侵手段的问题,构建了一个基于深度学习的网络入侵监测系统。该系统以机器学习的相关理论为支撑,采用DNN作为核心神经网络架构,并融合了LSTM和Transformer等模型。借助KDD99等数据集进行模型的训练和测试。实验结果表明,该系统能够有效提高检测精度,极大地降低了误报率和漏报率,同时提升了检测速度和系统稳定性。此外,该系统还具备良好的泛化能力,能够有效识别新型和变种的攻击模式,应对不断变化的网络安全威胁。

关 键 词：网络入侵检测 深度学习 DNN KDD99数据集 LSTM模型 Transformer模型 

分 类 号：TP393.1[自动化与计算机技术—计算机应用技术]