信息记录材料

首页 > 刊期 > 2026 > 1期 > 记录：云端与互联

基于ＬＳＴＭ⁃ＰＣＡ智能算法的网络入侵检测技术研究

张亚文

【摘要】为解决传统网络入侵检测技术面对高维数据效率低下、难以有效捕捉攻击行为等时序关联性问题，本研究采用融合长短期记忆（ＬＳＴＭ）网络与主成分分析（ＰＣＡ）的智能算法，以网络入侵检测基准数据集（ＮＳＬ⁃ＫＤＤ）为例，提出了ＬＳＴＭ⁃ＰＣＡ模型，该模型利用ＰＣＡ对高维网络流量数据进行特征降维与优化，消除冗余信息，同时构建ＬＳＴＭ分类模型，以此来挖掘流量数据中的时序依赖特征以实现精准异常识别。实验结果表明：本研究提出的ＬＳＴＭ⁃ＰＣＡ模型在检测准确率上达到９８.７％，将误报率显著降低至１.２％，相较于支持向量机（ＳＶＭ）、随机森林等传统模型展现出显著性能优势，为构建高效、自适应的网络入侵检测系统提供解决方案。

【关键字】网络入侵检测技术；长短期记忆－主成分分析智能算法；主成分分析特征降维

【PDF】