一种基于BiLSTM与门控多头注意力融合的加密流量入侵检测及系统

本发明公开了一种基于BiLSTM与门控多头注意力（Gated MHA）融合模型的加密流量入侵检测方法。该方法首先对网络加密流量数据进行标准化预处理，然后利用Wasserstein生成对抗网络（WGAN‑GP）对少数类样本进行数据增强，提升训练样本的分布均衡性。随后构建BiLSTM与门控多头注意力融合模型对增强后的数据进行训练，实现对加密流量中的异常行为的识别。所述融合模型结合了BiLSTM的双向时序建模能力与门控多头注意力机制对关键特征的选择能力，提高了对复杂网络攻击模式的建模能力和对低频攻击类别的检测准确率。该方法适用于工业控制网络、物联网和单边云结构下的网络安全监测，具有较高的准确性、鲁棒性和可解释性。