团队硕士罗剑同学的论文被国际期刊Electronics（SCI）录用

题目：A multi-channel contrast learning network based intrusion detection method

作者：罗剑，张翼英，武延年，许谣，郭晓艳，尚博祥

期刊：Electronics  IF: 2.690 (SCI期刊)

DOI: https://doi.org/10.3390/electronics12040949

摘要：网络入侵数据具有特征维度较高、类别极端不平衡的特点，并且特征与类别之间存在复杂的非线性关系。已有监督入侵检测模型的实际检测准确率表现不佳。针对该问题，本文提出了基于多通道对比学习网络入侵检测方法(MCLDM)，通过将多通道有监督对比学习阶段的特征学习与多通道无监督对比学习阶段的特征提取相结合，训练得到有效的入侵检测模型。目的是研究对特定类网络入侵数据特征丰富和使用对比学习是否可以提高模型的准确性。模型基于自动编码器实现有监督对比学习的特征重建，并为实现多通道数据重构。在下一阶段无监督对比学习中，使用Triplet-卷积神经网络(TCNN)实现对特征的提取实现入侵数据的分类。通过实验分析，基于多通道对比学习网络入侵检测方法在数据集CICIDS17的准确率达到98.43%，在数据集KDDCUP99的准确率达到93.94%。