一种基于聚类过采样和Transformer的网络入侵检测方法

本发明公开了一种基于聚类过采样和Transformer的网络入侵检测方法，涉及网络安全与深度学习技术领域。该方法包括：对网络流量数据进行数据清洗，并通过聚类过采样技术平衡数据集，通过信息增益与快速相关性过滤结合的方法提取特征值；采用Max‑Min归一化方法对特征值进行归一化，按照时间戳和特征大小转为图像并标记攻击类型；采用双线性插值法对生成的图像进行放大，并划分训练集和测试集；通过迁移学习对分类头进行微调，提取网络流量数据的深层次特征，实现对正常流量及多种攻击流量的精准分类。本发明提出的一种基于聚类过采样和Transformer的网络入侵检测方法，不仅能够有效识别不同类型的网络攻击，还显著提升了入侵检测的精确率与可靠性。