一种基于孪生Transformer的网络入侵检测分类方法

本发明公开了一种基于孪生Transformer的网络入侵检测分类方法，具体涉及网络安全技术领域，首先，针对面向入侵检测的网络流量数据集，进行数据预处理，构建网络流量时间序列数据集；然后，根据网络流量数据集，建立滑动时间窗Pearson相关系数矩阵数据集；接着，将流量数据Pearson相关系数训练数据集输入到稀疏滤波网络中，得到流量特征时间序列数据集；最后，将由稀疏滤波网络获得的特征序列输入多级孪生Transformer进行入侵类别检测，进行攻击类型的判别。本发明模型鲁棒性高、泛化能力强，能有效解决传统深度学习方法在网络入侵检测模型训练时较难解决的数据集类别不平衡问题。