.png){kind=icon}
返回
Network intrusion detection system using a hybrid deep learning model with swarm intelligence-based hyperparameter optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07802-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着计算机网络拓扑对互联网的依赖性增加，它们变得更加容易受到网络攻击。在广阔的 cyberspace 中，为检测异常攻击和恶意活动，网络入侵检测系统（IDS）是当前网络中的关键防御措施。Deep Learning（DL）方法因在网络环境中扮演核心角色，已被近期应用于设计入侵检测系统。本研究提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合深度学习模型（CNN-LSTM），用于构建能够同时进行二分类和多分类的网络 IDS。为提升 CNN-LSTM 模型的检测性能，采用基于群智能的算法（如粒子群优化算法 PSO 和鲑鱼群算法 SSA）来优化所提出模型的超参数。在训练和测试过程中，利用 CIC-IDS 2017 数据集进行超参数调优和验证所提出的模型。此外，CNN 和 LSTM 分别使用相同的优化算法在相同数据集上进行训练，并用于比较所提出的 CNN-LSTM 在有效入侵检测方面的表现。实验结果表明，所提出的模型通过取得显著成果，实现了更有效且稳健的入侵检测性能。具体而言，在二分类任务中，经 SSA 优化的 CNN-LSTM 模型达到了 99.83% 的准确率、99.41% 的精确率、99.58% 的召回率和 99.49% 的 F1 分数；在多分类任务中，SSA 优化的 CNN-LSTM 模型获得了 99.7% 的准确率、97.3% 的精确率、99.7% 的召回率和 99.7% 的 F1 分数。这些结果明确表明了所提出模型的卓越检测能力和改进的效率。
Keyword:
Intrusion detection system
Deep learning
Hyperparameter optimization
Binary classification
Multiclass classification
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
Deep Learning: A Comprehensive Overview on Techniques, Taxonomy, Applications and Research Directions深度学习: 技术、分类、应用和研究方向的综合概述
OAAI
OAAI分享收藏Enhancing IoT Security with CNN and LSTM-Based Intrusion Detection Systems基于CNN和LSTM的入侵检测系统提升物联网安全性
OAAI
OAAI分享收藏Deep feature fusion via transfer learning for multi-class network intrusion detection基于迁移学习的深度特征融合用于多类网络入侵检测.png)
IF0
PREAI
分享收藏Attention-CNN-LSTM based intrusion detection system (ACL-IDS) for in-vehicle networks基于Attention-CNN-LSTM的入侵检测系统（ACL-IDS）用于车载网络
PREAI
分享收藏Enhanced Network Intrusion Detection using Deep Convolutional Neural Networks基于深度卷积神经网络的网络入侵检测增强方法OAAI
OAAI分享收藏
查看更多内容