近日，公共基础部计算机教研室向泽林老师和四川大学计算机学院老师联合在EURASIP Journal On Wireless Communications and Networking发表论文Fusion of transformer and ML-CNN-BiLSTM for network intrusion detection。
网络入侵检测系统（NIDS）能够有效感知网络攻击，对于维护网络空间安全具有重要意义。本文为了满足高效、准确的网络状态监控的要求，提出了一种基于Transformer的融合深度学习架构的NIDS模型。首先，利用GAN-Cross扩展少数类样本数据，从而缓解原始数据集少数类不平衡的问题。然后，利用Transformer模块对ML-CNN-BiLSTM模型进行调整，增强入侵模型的特征编码能力。最后将数据增强模型和特征增强模型融入到NIDS模型中，优化检测模型，更深层次地提取网络状态数据的特征，增强了检测模型的泛化能力。使用UNSW-NB15数据集进行的仿真实验表明，所提出的融合架构能够实现复杂网络流量数据集的高效分析，精度达到0.903，有效提高了NIDS的检测精度及其检测未知攻击的能力。该模型对于保证网络系统的稳定运行具有良好的应用价值。
《Eurasip Journal On Wireless Communications And Networking》(《Eurasip无线通信和网络杂志》)是一本由SPRINGER出版的Computer Science-Computer Science Applications学术刊物，该刊是国际一流期刊，主要刊载Computer Science-Computer Science Applications相关领域研究成果与实践，旨在打造一种学术水平高、可读性强、具有全球影响力的学术期刊。本刊已入选SCI、SCIE来源期刊。该刊创刊于2004年，出版周期Quarterly。2022年发布的影响因子为2.6。
该论文的发表是计算机教研室在科研方面取得的又一次突破，很好的展示了公共基础部教师的科研能力，标志着教师在科研能力和学术影响力方面又上了一个新的台阶。(计算机教研室供稿）
