论文部分内容阅读
针对互联网大规模网络攻击检测难题,结合词向量特征表示与循环神经网络提出了一种门控记忆网络检测方法。首先将网络请求数据转换为低维实值向量序列表示,然后利用门控循环神经网络的长时记忆能力提取请求数据的特征,最后采用logistic回归分类器实现了对网络攻击的自动检测。在CSIC2010公开数据集上达到了98. 5%的10折交叉验证F1分数。与传统方法相比较大幅度地提高了网络攻击检测的准确率和召回率。所提方法可自动检测网络攻击,具有良好的检测效果。