面向CNN和RNN改进的物联网入侵检测模型

作     者：李晓佳 赵国生 汪洋 宁可 LI Xiaojia;ZHAO Guosheng;WANG Yang;NING Ke

作者机构：哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第14期

页      面：242-250页

核心收录：

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61202458,61403109) 黑龙江省自然科学基金(LH2020F034) 哈尔滨市科技创新研究基金(2016RAQXJ036)。 

主　　题：物联网 入侵检测 格拉姆角场 多头结构 SoftPool池化层 

摘      要：针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模型的输入做好准备,由SoftPool池化层代替原始的池化层;将多头自注意力机制中的多头结构应用于循环神经网络中,循环神经网络选择参数较少的双向门控循环单元。以TON-IoT物联网数据集作为基准数据集进行试验,试验部分主要包括图像化方式的选择、池化层组合的选择和多头双向门控循环单元层头数的选择,仿真试验结果显示选择格拉姆角和场、SoftPool+SoftPool的池化层组合和三头结构的模型在多分类上在准确率、精确率、检测率、F1得分和假阳性率上的性能最优,并且精确率、检测率、F1得分和假阳性率优于现有模型至少0.14、0.09、0.13和0.08。