系统工程与电子技术

作者：唐玺博, 张立民, 钟兆根

单位：1. 海军航空大学信息融合研究所, 山东 烟台 264001；2. 海军航空大学航空基础学院, 山东 烟台 264001

关键词：入侵流量检测,残差神经网络,自适应合成采样,不平衡数据集

基金：国家自然科学基金重大研究计划(91538201);泰山学者工程专项经费(Ts201511020);信息系统安全技术重点实验室基金(6142111190404)

针对现有入侵流量检测模型分类准确率低、小样本特征提取不足等问题, 提出了一种基于自适应合成采样和Inception-Resnet模块的改进残差网络算法。该算法能够对不平衡数据集进行采样优化, 有效提升模型的小样本特征提取能力。首先, 通过对不平衡的数据训练集进行过采样改善数据分布, 然后对非数据部分进行独热编码处理并与数据部分整合, 降低预处理复杂度, 最后利用改进残差网络模型进行数据训练, 并进行性能评估和算法效能对比。实验结果表明, 改进残差网络模型对入侵流量的检测准确率在多分类和二分类情况下分别达到89.40%和91.88%。相比于经典深度学习算法, 改进残差网络模型的准确率更高, 误报率更低, 具备较高的可靠性和工程应用价值。

来源：2022年第12期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第12期