.png){kind=icon}
返回
BERT-based network for intrusion detection system
.png){kind=icon}
OA
AI
DOI：10.1186/s13635-025-00191-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络攻击的日益复杂性给传统入侵检测系统（IDS）带来了重大挑战。主要依赖特征工程和规则匹配的方法往往难以有效应对新型和复杂的攻击模式。为解决这些挑战，本文提出了一种基于Transformer双向编码器表示（BERT）的网络IDS，旨在利用自然语言处理（NLP）领域的最新进展来提升IDS性能。我们方法的核心在于将网络流量数据转换为可通过高级NLP技术处理的文本表示。具体而言，我们首先将网络流量中的各类信息转换为类自然语言的序列表示，从而利用预训练的BERT模型进行特征提取。BERT模型凭借其双向编码器结构，能够捕捉序列中的复杂上下文信息，生成高质量的特征表示。特征提取完成后，我们进一步采用基于双向门控循环单元（GRU）网络的分类器进行分类，该分类器能够高效处理序列数据，在捕捉序列时序依赖关系的同时降低计算复杂度。通过对提取的特征训练分类器，我们能够实现对正常与异常流量的精准区分。为验证所提方法的有效性，我们在多个公开数据集上进行了实验，实验结果表明，基于BERT的网络IDS在检测性能方面显著优于传统机器学习（ML）和深度学习（DL）方法。与传統方法相比，BERT模型提升了检测准确率，并能有效捕捉复杂的攻击模式。本研究不仅展示了NLP技术在网络安全领域的巨大潜力，也为跨领域应用提供了新的研究方向。通过将网络流量视为一种语言，我们的方法解决了传统方法难以应对的问题，同时具备可扩展性，能够适应各种网络环境和攻击模式。
Keyword:
IDS
BERT
GRU
DL
期刊
IF:
2.1
论文数:
50
被引数:
541
机构
引用论文
Personality-dependent content selection in natural language generation systems人格依赖的内容选择在自然语言生成系统中
OAAI
.png){kind=icon}
OAAI分享收藏Evolving cybersecurity frontiers: A comprehensive survey on concept drift and feature dynamics aware machine and deep learning in intrusion detection systems演变中的网络安全前沿：一项关于概念漂移和特征动态感知的机器学习与深度学习在入侵检测系统中的全面综述OAAI
OAAI分享收藏Joint DNN partitioning and task offloading in mobile edge computing via deep reinforcement learning基于深度强化学习的移动边缘计算中联合DNN分区和任务卸载OAAI
OAAI分享收藏FEDDBN-IDS: federated deep belief network-based wireless network intrusion detection systemFEDDBN-IDS：基于联邦深度信念网络的无线网络入侵检测系统OAAI
OAAI分享收藏
查看更多内容