2024年│3期│1692024年第46卷第3期基于深度学习的网络入侵检测方法姜宏敏李瑞芬作者简介:姜宏敏(1980-),本科,助教,研究方向为计算机科学与技术;李瑞芬(1991-),硕士,助教,研究方向为计算机科学与技术。(郑州理工职业学院郑州451150)摘要文中提出了一种基于卷积变分自编码器和生成对抗网络的网络入侵检测方法(CVAE-GANs),旨在实现针对多模态数据的网络入侵检测。该方法通过将不同模态的数据编码为共享潜在空间表示,并使用生成器和判别器实现多模态数据的生成和检测。最后,使用DARPA数据集进行了实验,评估了该方法在多模态数据上的性能。结果表明,相较于标准GANs方法,CVAE-GANs方法在准确性和鲁棒性方面,具有显著的优势。关键词:生成对抗网络;多模态数据;入侵检测;卷积变分自编码器中图分类号TN915.08ANetworkIntrusionDetectionMethodBasedonDeepLearningJIANGHongminandLIRuifen(ZhengzhouInstituteofTechnology,Zhengzhou451150,China)AbstractInthispaper,anetworkintrusiondetectionmethod(CVAE-GANs)basedonconvolutionalvariationalautoen-codersandgenerativeadversarialnetworksisproposed,whichaimstoachievenetworkintrusiondetectionformultimodaldata.Themethodencodesdataofdifferentmodesintoasharedlatentspatialrepresentation,andusesgeneratorsanddis-criminatorstogenerateanddetectmultimodaldata.Finally,experimentsarecarriedoutusingtheDARPAdatasettoeva-luatetheperformanceofthemethodonmultimodaldata.TheresultsshowthattheCVAE-GANsmethodhassignificantadvantagesinaccuracyandrobustnesscomparedtothestandardGANsmethod.KeywordsGeneratingadversarialnetworks,Multimodaldata,Intrusiondetection,Convolutionalvariationalautoencoder0引言网络安全一直是信息技术领域中备受关注的问题,随着互联网的快速发展,网络入侵事件也愈加复杂化、多样化。这些入侵威胁对个人隐私、组织安全和国家利益造成了巨大的影响。为应对这一挑战,研究人员一直在探索各种网络入侵检测方法,以有效地识别和防止网络入侵。近几年,深度学习技术在各种领域中取得了显著的突破,其中包括计算机视觉[1]、自然语言处理[2]、语音识别[3]等。部分深度学习方法在网络入侵检测领域取得了一定的成功[4],但仍存在一定的不足,其中一个难题是网络入侵检测需要综合处理多模态数据,如网络流量数据、日志数据、传感器数据等。这些多模态数据源提供了不同维...
