基于深度学习的网络入侵检测系统

入侵检测系统,是一种可以监控网络运输,在发现异常现象时,能够发出警报或者主动响应的一种设备。但传统的机器学习算法以及一些简单的深度学习算法,于是就会出现准确率不够高或者训练速度过慢的问题,因此如何提高入侵检测系统性能成为一个亟待解决的关键问题。随着计算机计算能力的提升,入侵检测技术已经发展到智能分析阶段。在这种情况下,本文提出了一种,采用长短期记忆神经网络记忆模型的LSTM算法进行优化,组合LightGBM算法对入侵行为样本进行采样,减少了内存消耗和数据计算量的LightGBM-LSTM的组合模型,大大提高了效率。与传统算法相比,LightGBM-LSTM入侵检测系统的检测精度更高,训练时间更短。