结合注意力机制与MSCNN+BiLSTM的入侵检测方法及系统

本发明公开了结合注意力机制与MSCNN+BiLSTM的入侵检测方法及系统，包括：将数据集进行归一化和标签编码处理，接着将处理好的数据集分别输入到MSCNN和BiLSTM中进行特征提取，MSCNN中通过不同尺度的卷积核可以学习到更多的空间特征，同时设置归一化层加速模型的学习。BiLSTM模型虽然具有长时间的数据记忆能力，但是很难捕捉到时间序列中的复杂特征，因此在BiLSTM层后加入注意力机制进行注意力权重分配，赋予关键信息更高的权重。然后将获取到的空间特征和时间特征使用Concatenate进行特征融合；最后使用softmax分类器对特征进行分类，完成入侵检测。本发明提供的结合注意力机制与MSCNN+BiLSTM的入侵检测方法该方法提升检测效率，并提升检测效率。