文献类型：期刊文章

作　　者：白伟[1] 冯立超[1]

机构地区：[1]华北理工大学理学院(河北省数据科学与应用重点实验室),河北063210

出　　处：《网络安全技术与应用》

基　　金：国家自然科学基金区域创新发展联合基金(U20A20179)。

年　　份：2023

期　　号：7

起止页码：39-42

语　　种：中文

收录情况：JST、普通刊

摘　　要：入侵检测是一种保障网络安全的有效手段。传统的入侵检测技术依赖于专家数据库,不能应对日益复杂的网络环境,所以许多研究者把机器学习的方法应用到入侵检测领域。GCN(Graph Convolutional Networks)是一种分类效果优秀的机器学习算法,本文用标准的GCN实现入侵检测任务,取得了很好的效果。提出三种数据预处理方法,将UNSW-NB15数据集构建成图结构的数据,去训练GCN算法。实验结果表明,预处理之后的数据使基于GCN的入侵检测算法具有很高的准确率,用三种预处理方法处理过的数据,去训练本文所使用的入侵检测算法,训练后的算法在执行入侵检测任务时分别有98.1%,91.9%,72.8%的准确率。提出的三种预处理方法,可以更快地将网络数据构建为图结构的数据,使入侵检测算法分析数据的速度提高,同时令算法在保证准确率的情况下大大节省计算资源。

关 键 词：WM算法GCN  入侵检测 数据预处理

分 类 号：TP393.08]