基于混合雙向LSTM的中間人攻擊檢測方法

摘要： 針對局域網(wǎng)中基于ARP協(xié)議的中間人攻擊檢測準確率低、誤報率高、泛化性差的問題，提出一種結(jié)合極端隨機樹分類器(ETC)和改進注意力機制(IAM)的雙向長短時記憶網(wǎng)絡(luò)(BiLSTM)的組合模型。利用ETC提取數(shù)據(jù)特征，通過改進的注意力機制模塊處理中間人攻擊流量時間序列信息，將組合特征輸入BiLSTM實現(xiàn)對中間人攻擊的檢測。實驗結(jié)果表明，在Kitsune數(shù)據(jù)集中，該模型的中間人攻擊檢... （共8頁）