一种基于GRU的半监督网络流量异常检测方法.pdf

:// htt www．skx．com p jj : / DOI１０．１１８９６ skx．２２０１０００３２ jj 一种基于GRU的半监督网络流量异常检测方法 李海涛１ 王瑞敏２ 董卫宇２ 蒋烈辉２ 郑州大学网络空间安全学院 郑州 １ 　 ４５０００１ 信息工程大学数学工程与先进计算国家重点实验室 郑州 ２ 　 ４５０００１ ( ) 　 ９２６２０６６１５＠ ．com qq 　 ( ) , . 摘 要 入侵检测系统 是在出现网络攻击时能够发出警报的检测系统 检测网络中未知的攻击是 面临的挑战 深 　 　 IDS IDS , 度学习技术在网络流量异常检测方面发挥着重要的作用 但现有的方法大多具有较高的误报率且模型的训练大多使用有监督 . , ( ) ( ). 学习的方式 为此 提出了一种基于门循环单元网络 GRU 的半监督网络流量异常检测方法 SEMIＧGRU 该方法将多层双 ( ) ( ) , , 向门循环单元神经网络 MLBＧGRU 和改进的前馈神经网络 FNN 相结合 采用数据过采样技术和半监督学习训练方式 应用 , , 二分类和多分类方式检验网络流量异常检测的效果 并使用 和 数据集进行 NSLＧKDD UNSWＧNB１５ CICＧBellＧDNSＧEXFＧ２０２１ . , , 、 、 、 验证 与经典机器学习模型和 等深度学习模型相比 方法在准确率 精确率 召回率 误报率和 分 DNN ANN SEMIＧGRU F１ . , , 数等指标上的表现均表现更优 在 二分类和多分类任务中 在 分数指标上领先于其他方法 分别为 N