文献类型：期刊文章

作　　者：王艺霏[1] 莫爽[2] 吴文睿[2] 范少华[2] 肖丁[2]

WANG Yi-fei;MO Shuang;WU Wen-rui;FAN Shao-hua;XIAO Ding(State Grid Jibei Information and Telecommunication Company,Beijing 100054,China;School of Computer Science(National Pilot Software Engineering School),Beijing University of Posts and Telecommunications,Beijing 100876,China)

机构地区：[1]国网冀北电力有限公司信息通信分公司,北京100054 [2]北京邮电大学计算机学院(国家示范性软件学院),北京100876

出　　处：《北京邮电大学学报》

基　　金：基于全业务统一数据中心的数据融合及可视化关键技术研究项目(52018E18006N)。

年　　份：2021

卷　　号：44

期　　号：5

起止页码：94-100

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、JST、RCCSE、ZGKJHX、核心刊

摘　　要：网络入侵检测通过分析流量特征来区分正常和异常的网络行为以实现入侵流量的检测,是网络安全领域的重要研究课题.针对已有入侵检测模型特征提取过程复杂、信息提取不足等问题,提出了一种基于内外卷积网络的入侵检测模型.首先使用一维卷积神经网络提取流量数据的内部特征,然后通过对内部特征计算相似度建模得到无向同质图,此外将流量在外部网络侧的通信行为建模为有向异质图,并对两图使用图卷积网络学习包含网络流量多种交互行为的嵌入向量,最后将学习到的流量嵌入向量输入到分类器中用于最终的分类.实验结果表明,所提模型的检测准确率和误报率均优于对比模型。

关 键 词：入侵检测 深度学习  图卷积网络  卷积神经网络

分 类 号：TP393]