摘要：入侵檢測(cè)技術(shù)旨在有效地檢測(cè)網(wǎng)絡(luò)中異常的攻擊,對(duì)網(wǎng)絡(luò)安全至關(guān)重要.針對(duì)傳統(tǒng)的入侵檢測(cè)方法難以從工業(yè)控制系統(tǒng)通信數(shù)據(jù)中提取有效數(shù)據(jù)特征的問題,提出一種基于相關(guān)信息熵和CNN-BiLSTM的入侵檢測(cè)模型,該模型將基于相關(guān)信息熵的特征選擇和融合的深度學(xué)習(xí)算法相結(jié)合,因此能夠有效去除噪聲冗余,減少計(jì)算量,提高檢測(cè)精度.首先針對(duì)不平衡樣本等問題進(jìn)行相應(yīng)預(yù)處理,并通過基于相關(guān)信息熵的算法進(jìn)行特征選擇,達(dá)到去除噪聲數(shù)據(jù)和冗余特征的目的;然后分別運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)(CNN)和雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(BiLSTM)從時(shí)間和空間維度提取數(shù)據(jù)特征,通過多頭注意力機(jī)制進(jìn)行特征融合,進(jìn)而得出最終檢測(cè)結(jié)果;最后通過單一變量原則和交叉驗(yàn)證方式獲得最優(yōu)的模型.通過與其他傳統(tǒng)入侵檢測(cè)方法實(shí)驗(yàn)對(duì)比得出:該模型具有更高的準(zhǔn)確率(99.21%)和較低的漏報(bào)率(0.77%).