人工智能安全：原理与实践 课件 第7章 长短期记忆网络的安全应用(7.2基于双向LSTM模型的网络攻击检测-实践).pptx

李剑博士，教授，博士生导师网络空间安全学院lijian@bupt.edu.cnJanuary23,2025第7章长短期记忆网络的安全应用实践7-1基于双向LSTM模型的网络攻击检测

本实践介绍本小节编程实践内容主要是使用双向LSTM模型对网络攻击进行检测。

1.实验内容实践的过程如下：

2.实践目的本实践内容的目的如下：（1）熟悉网络攻击检测的一般性流程，理解双向LSTM的基本原理。（2）设计简易的双向LSTM模型，完成程序设计。（3）结果可视化，对性能结果进行观察。

3.实践过程第1步：导入相关库和函数

3.实践过程第2步：定义常量NUMBER_OF_SAMPLES：定义要从每个数据集中读取的样本数量。TRAIN_LEN：定义LSTM模型的输入序列长度（时间步数）。

3.实践过程第3步：数据加载从CSV文件中加载攻击流量和正常流量的数据集，各取50000条样本。

3.实践过程第4步：设置列名第5步：删除无关列第6步：定义特征第7步：提取特征标签X和标签Y第8步：标准化第9步：转换标签第10步：准备LSTM输入数据第11步：划分训练集和测试集第12步：创建模型第13步：训练模型第14步：绘制准确率和损失图第15步：模型预测第16步：混淆矩阵第17步：保存模型第18步：评估模型第19步：保存预测结果

4.实践结果1.对模型结果进行评估，测试并给出准确率和损失率以及混淆矩阵运行brnn_classifier.py文件。可以看到，模型在测试集上的评估结果为：准确率(Accuracy)97.25%，召回率(Recall)99%。

4.实践结果训练过程中准确率的变化：训练过程中准确率和验证准确率都在逐渐上升，表明模型在逐步学习并改进其对数据的预测能力。

4.实践结果训练过程中损失的变化：训练损失和验证损失在逐渐下降，表明模型在减少训练数据和验证数据上的预测误差。

小结本小节讲述长短期记忆网络的原理，使用双向LSTM模型对网络攻击进行检测。

祝同学们学习进步！致谢