【技术实现步骤摘要】
本专利技术涉及网络入侵检测，特别是涉及基于多尺度时空特征残差融合的入侵检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、当今社会，随着科学技术的进步，互联网的发展日益深入人们的生活和劳动生产中。但是，随着网络的发展，其环境也日益复杂，各种网络攻击方式也接踵而至，攻击方式的多样化以及攻击频率的高发性，导致全球网络安全泄露事件日趋频繁，严重危害个人、企业以及国家的信息安全。入侵检测技术作为网络流量能够安全传播的主动安全防御技术之一，在当今网络安全方面有着重要的地位。基于传统机器学习的入侵检测模型在准确率上取得的效果并不理想，以及有着较高的误报率，并且，随着互联网的发展，当今的网络流量日益庞大，而且入侵数据变得更加海量和复杂，入侵检测模型的运行中需要对大量的流量数据进行处理和特征提取，而传统的机器学习在该方面并不能很好地处理。
3、随着超算的兴起，近年来计算机的计算能力得到了极大地提高，深度学习也被广泛应用。如何提高检测恶意流量的准确率以及如何高效地分辨不同...
【技术保护点】
1.基于多尺度时空特征残差融合的入侵检测方法，其特征是，包括：
2.如权利要求1所述的基于多尺度时空特征残差融合的入侵检测方法，其特征是，训练后的入侵检测模型，训练过程包括：
3.如权利要求2所述的基于多尺度时空特征残差融合的入侵检测方法，其特征是，所述构建训练集，包括：
4.如权利要求1所述的基于多尺度时空特征残差融合的入侵检测方法，其特征是，所述训练后的入侵检测模型，其网络结构包括：
5.如权利要求4所述的基于多尺度时空特征残差融合的入侵检测方法，其特征是，所述带辅助分类器的生成对抗网络ACGAN，包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。