%0 Journal Article
%A 郝杰
%A 侯天浩
%A 张正
%A 柳亚男
%A 胡苇
%T 基于CNN-BiLSTM的网络入侵检测模型
%D 2025
%R
%J 点点官网下载学报
%P 9-
%V 41
%N 2
%X 网络入侵检测系统是保障网络安全的核心技术之一。针对传统入侵检测方法在复杂网络攻击场景下特征提取不足和检测率低的问题，提出了一种基于CNN-BiLSTM的网络入侵检测模型。该模型通过卷积神经网络提取网络流量数据的局部空间特征，并结合双向长短期记忆网络捕捉流量序列中的长短期依赖关系，提取网络流量数据的时间特征，能够有效应对复杂网络攻击行为。同时，使用EQL v2方法计算每个类别的权重，并将其使用在损失计算过程中，从而优化了模型在数据集类不平衡问题上的表现。NSL-KDD和UNSW-NB15数据集的测试结果表明，CNN-BiLSTM模型在这两个数据集上多分类的平均准确率分别达到99.65%和86.70%,此外，模型对样本量较少的攻击类型也表现出良好的检测能力。
%U https://cbxt.jit.edu.cn/CN/abstract/article_123.shtml