一种基于改进卷积神经网络的入侵检测方法

本发明涉及入侵检测技术领域，具体涉及一种基于改进卷积神经网络的入侵检测方法。包括：采用自适应合成采样方法对NSL‑KDD数据集进行处理得到增强后的训练数据集；将增强后的训练数据集输入预构建的改进卷积神经网络进行训练，得到训练好的入侵检测模型；预构建的改进卷积神经网络包括：输入层、卷积层、两个SPConv模块、全连接层、Softmax层和输出层；SPConv模块包括通道分割块、两个卷积块和特征融合块；根据训练好的入侵检测模型进行入侵检测。本发明采用数据增强算法能够有效解决数据样本分布不均衡和信息冗余问题，模型中加入SPConv模块提高了模型的特征提取效率，增强了入侵检测的鲁棒性和性能。