基于自适应一维cnn的网络入侵检测方法 李晶.pdf

武汉大学学报(工学版)
Engineering Journal of Wuhan University
ISSN 1671-8844,CN 42-1675/T
-CNN）的网络入侵检测方法，通过构建深度卷积网络获得了提取数据深层特征的能力，避免了人为选
择特征参量带来的泛化和表征能力的不足。特别地，为获得更加合理的模型超参数，利用粒子群优化（Particle
Swarm Optimization, PSO）算法自适应地对每个一维卷积层的卷积核数量进行优化。使用 1999 年国际知识发
现和数据挖掘竞赛（Knowledge Discovery and Data Mining Cup 99, KDD Cup 99）数据集对所提方法进行了验
证，结果显示该方法在无需人为调节超参数的情况下不仅能区分正常和攻击流量，还可准确识别具体攻击类
型，表明其针对不同任务具有自适应能力。同时，对比实验显示所提方法在准确率（Accuracy）、精确率
（Precision）、召回率（Recall）和 F1-score 等指标上要优于现有常见的入侵检测方法。
关键词：网络入侵检测；网络安全；一维卷积神经网络；粒子群优化；超参数优化
中图分类号：TM73 文献标志码：A

Network Intrusion Detection Method Based on Adaptive
One-dimensional CNN
LI Jing1, HUANG Jie1, ZHU Guowei2, YUAN Hui2, LI Weijian3, LONG Jiachuan4
(1. State Grid Hubei Electric Power Co., Ltd, Wuhan 430077, Hubei Province, China; 2. State Grid Information &
Communication Branch of Hubei Electric Power Co., Ltd, Wuhan 430077, Hubei Province, China; 3. Nanjing
NARI Information & Communication Technology Co., Ltd., Nanjing 210000, Jiangsu Province, China; 4. School
of Electronics and Information Engineering, Wuhan Donghu University, Wuhan 430212, Hubei Province, China)
Abstract: Due to th