基于CDIVAE和双向时序模型的自适应入侵检测方法

本发明公开了一种基于CDIVAE和双向时序模型的自适应入侵检测方法，属于网络攻击检测技术领域，通过GWR算法对源域数据进行过滤聚类，同时过滤掉其中大量的重复数据，提取出一个分布清晰且规模较小的源域数据子集；基于高斯混合条件域不变变分自编码器缩小源域与目标域之间的后验分布的差异，最后通过双向保持网络编码器和双向长短期记忆网络的融合神经网络BRN‑BiLSTM进行入侵检测，先通过BRN对数据进行双向时序加权，之后通过BiLSTM对时序加权之后的数据进行识别并分类，通过记忆单元和门控单元能够有效的捕获数据的依赖关系。本发明能够更好的进行域不变特征提取和数据分布对齐，同时也具有更好跨领域入侵检测性能。