一种基于认知模型优化的网络入侵检测方法

本发明公开了一种基于认知模型优化的网络入侵检测方法，是一种结合认知启发式算法与神经网络架构的网络入侵检测方法。该方法首先对不平衡数据的IDS模型进行优化，然后在优化后的IDS模型上进行认知模型与神经网络混合架构的高效网络入侵检测方法实现。通过利用认知模型的启发式推理和记忆更新机制，优化深度学习网络的训练过程。具体而言，当网络模型进行预测时，认知模型通过规则匹配与推理提供辅助决策，从而提高检测准确率。该方法能够在攻击样本有限的情况下，能够保持较高的分类准确性。本发明提供的网络入侵检测方法，具有较强的实用性和推广价值，能够广泛应用于网络安全、信息保护等领域。