原创力文档中文摘要
摘要
随着网络环境日益复杂与攻击形式不断演化，构建高效、精准且具备良好泛化
能力的网络入侵检测技术已成为网络安全防御的核心问题。针对传统方法在复杂
网络流量场景下对高维动态特征刻画能力不足，以及多源特征协同建模效率较低
等问题。本文围绕多尺度时序建模与跨模态动态融合两条技术主线，系统开展了基
于多模态学习技术的网络入侵检测方法研究。全文重点提出两种模型：基于多尺度
时序与异构图神经网络的MST-HGNN
中文摘要
摘要
随着网络环境日益复杂与攻击形式不断演化，构建高效、精准且具备良好泛化
能力的网络入侵检测技术已成为网络安全防御的核心问题。针对传统方法在复杂
网络流量场景下对高维动态特征刻画能力不足，以及多源特征协同建模效率较低
等问题。本文围绕多尺度时序建模与跨模态动态融合两条技术主线，系统开展了基
于多模态学习技术的网络入侵检测方法研究。全文重点提出两种模型：基于多尺度
时序与异构图神经网络的MST-HGNN
文档评论（0）