基于CBCNN-GRU的物联网入侵检测方法  

作　　者：李树行 刘振广[1] 吕宏武 田伟 牟海刚 冯光升 

机构地区：[1]哈尔滨工程大学,黑龙江哈尔滨150001 [2]国网黑龙江省电力有限公司,黑龙江哈尔滨150090 [3]中国联合网络通信有限公司哈尔滨软件研究院,黑龙江哈尔滨150000

出　　处：《物联网技术》2025年第9期144-146,共3页Internet of things technologies

摘　　要：针对物联网入侵检测中存在的多分类检测和类别不平衡数据检测准确率低的问题,提出一种基于CBCNN-GRU的物联网入侵检测方法。首先,利用混合采样方法预处理数据,构建平衡数据集,以减少噪音影响。然后,利用带有残差的CBAM卷积注意力模块和CNN-GRU架构,有效提取并融合空间与时序特征,同时为不同特征分配权重,从而提升多分类识别效果。最后,在UNSW-NB15等数据集中进行验证,实验结果表明,该方法不仅提高了模型的精度,还增强了其鲁棒性,为物联网入侵检测中的多分类准确率不高和类别不平衡数据问题提供了有效的解决方案。

关 键 词：物联网 入侵检测 GRU 样本均衡 CNN 卷积注意力 

分 类 号：TP393.08[自动化与计算机技术—计算机应用技术]