李佳

摘要：深度学习是机器学习研究中的一个新的领域，在入侵检测领域有了飞速发展。本文讨论了一种基于GRU序列的攻击趋势预测技术，将深度学习技术更加方便的应用于实际生产。

关键词：递归神经网络;时间序列;编码器;译码器

1 方案背景

入侵检测领域对于机器学习的应用在近些年有了飞速提升，如人工神经网络，遗传算法等，都在入侵检测领域颇见成效。但是由于机器学习方法存在很多局限性，使得他无法面对多样化的入侵手段。需要对学习方法有高要求，才能应对入侵特征的自动提取和分析。深度学习在处理复杂数据时，有突出的识别能力，是由于应用了高度非线性结构。同时，深度学习算法也由于并行计算硬件设施的高速发展，有了更强大的硬件能力。借助合理的网络结构，可以对深度神经网络的参数量进行控制，使得深度神经网络即能保证网络性能，也能降低运行成本。

2 需求描述

2.1 技术关键点

RNN递归神经网络（recurrent neural network），是近年来非常热门的一类神经网络模型，简单来说就是每一个隐含层的计算结果都与当前输入以及上一次的隐含层结果相关，是可以模拟时序结构的神经网络。LSTM（Long Short-Term Memory），GRU（Gated Recurrent Unit）都是RNN的变型。

时间序列是指按时间先后顺序分布的一列同一统计指标的数据集，这样的序列可能呈现一定的季节性变动和固定趋势。时间序列的预测分析是指利用过去一段时间内序列的特征来预测未来一段时间内该序列的走向。……