基于 MindSpore 的 CNN-BiLSTM 网络流量异常检测模型研究
密码学与安全
2025-05-01 v1 人工智能
摘要
随着物联网（IoT）和工业物联网（IIoT）技术的广泛应用，网络架构日益复杂，流量量级显著增长。这种演变对传统安全机制提出了巨大挑战，尤其是在检测高频、多样且高度隐蔽的网络攻击方面。为此，本文提出一种新型网络流量异常检测模型，将卷积神经网络（CNN）与双向长短期记忆网络（BiLSTM）集成，基于 MindSpore 框架实现。采用 NF-BoT-IoT 数据集进行系统实验。结果表明，该模型在准确率、精确率、召回率和 F1 分数上均达到 99%，显示其在网络入侵检测任务中具备卓越的性能和鲁棒性。
引用
@article{arxiv.2504.21008,
title = {Research on CNN-BiLSTM Network Traffic Anomaly Detection Model Based on MindSpore},
author = {Qiuyan Xiang and Shuang Wu and Dongze Wu and Yuxin Liu and Zhenkai Qin},
journal= {arXiv preprint arXiv:2504.21008},
year = {2025}
}