基于多尺度卷积神经网络的网络安全通信高精度入侵检测方法和系统

本发明属于网络安全技术领域，公开一种基于多尺度卷积神经网络的网络安全通信高精度入侵检测方法和系统，该方法首先采用了一种新型的数据预处理方法，结合SMOTE和ENN技术，解决了数据集类别不平衡及少数类样本与多数类样本重叠的问题，然后，引入了一种结合信息增益(IG)、随机森林(RF)特征重要性评分和递归特征消除(RFE)的方法进行特征筛选，从而优化模型性能并减少计算负担，最后通过在不同尺度上精确捕捉数据特征，极大地增强了模型对复杂网络行为的解析能力。在公开的数据集上进行的实验结果表明，本发明能够准确的识别网络入侵。