本发明公开了一种基于特征选择与混合神经网络的网络入侵检测方法,涉及网络安全领域。本发明通过后向迭代随机森林特征剔除算法对处理后的特征数据进行选择,数据首先通过随机森林算法计算特征的重要度,按照重要度进行降序排序,使用后向迭代剔除重要度最小的特征,得到最佳的特征子集；使用并行混合信息积累检测网络对最佳特征数据集进行分类预测,检测网络为双支路并行计算模式,一条支路使用基于CNN-BiLSTM改进的网络算法用来提取数据的时间和空间特征,另一条并行支路使用注意力机制直接关注重要特征。本发明从特征选择方法和改进深度学习模型两个方面提高入侵检测的准确性,提高网络入侵检测性能。...
