《Sensors》：Container-Number Detection and Recognition in Land-Port Yard Scenes Based on an Improved YOLO11 Detector and a Lightweight CRNN Recognizer
编辑推荐：
摘要专业翻译
随着网络技术和物联网（Internet of Things, IoT）的快速发展，海量高维流量数据对网络入侵检测系统（Network Intrusion Detection Systems, NIDS）提出了重大挑战。现有深度学习方法存在两大局限
摘要专业翻译
随着网络技术和物联网（Internet of Things, IoT）的快速发展，海量高维流量数据对网络入侵检测系统（Network Intrusion Detection Systems, NIDS）提出了重大挑战。现有深度学习方法存在两大局限：（1）特征提取不充分：单一模型难以同时捕获局部与全局特征，而串行混合架构容易造成特征信息丢失。（2）特征融合浅层化：现有融合策略忽视了特征间的深层交互，且缺乏自适应过滤机制以消除冗余信息。针对上述问题，本文构建了并行局部-全局特征提取（Parallel Local–Global Feature Extraction, PLGFE）模块，采用并行双流架构，包含时间卷积网络（Temporal Convolutional Network, TCN）分支和双向长短期记忆网络（Bidirectional Long Short-Term Memory, BiLSTM）分支。该模块利用TCN的膨胀卷积和BiLSTM的双向记忆单元，并行提取互补的局部与全局特征。交叉注意力门控（Cross-Attention Gating, CAG）模块整合了交叉注意力机制与门控机制进行特征融合：前者实现异构特征间的深层交互，后者通过门控权重自适应地选择关键特征并抑制冗余交互特征。在CICIDS2017和CICIoV2024数据集上的实验表明，所提方法的多分类准确率分别达到99.85%和99.64%，F1分数（F1-Score）分别达到97.03%和97.64%。对比实验与消融实验证实了该方法具有竞争力的检测性能及各组件的有效性。
论文解读文章
一、研究背景与问题
随着互联网技术的高速演进以及物联网（Internet of Things, IoT）、云计算等新兴范式的广泛普及，现代网络环境日趋复杂与异构。高度互联在加速社会数字化转型的同时，也催生了复杂且不断演变的网络安全威胁，各类恶意攻击手段呈现出自动化、隐蔽化和多样化的发展趋势。网络入侵检测系统（Network Intrusion Detection Systems, NIDS）作为维护网络安全的关键防线，其研究变得尤为重要。
传统入侵检测方法主要依赖基于签名的检测机制和大量领域专家知识，在面对现代网络流量的海量性、高维性和动态性等新特征时面临严峻挑战。为克服签名检测机制的僵化和人工领域知识的瓶颈，研究人员逐步将机器学习（Machine Learning, ML）算法应用于入侵检测。然而，传统机器学习方法本质上属于浅层学习，其性能严重依赖人工特征工程和领域先验知识，难以捕捉数据中深层的非线性关联，限制了模型在大规模网络环境中的泛化能力和检测精度。
深度学习凭借强大的自动特征提取和非线性模式识别能力，近年来在入侵检测领域取得了显著进展。然而，现有深度学习方法仍存在两大核心局限：其一，特征提取不充分——单一模型难以同时捕获局部与全局特征，而串行混合架构极易造成信息丢失；其二，特征融合浅层化——现有融合策略忽视了局部与全局特征之间的深层交互，且缺乏自适应过滤机制以消除冗余信息。因此，如何设计有效的并行特征提取架构并构建深层特征融合策略，成为当前NIDS研究的迫切需求。
二、研究内容与结论
针对上述问题，研究人员提出了一种新型网络入侵检测方法，其核心由三个模块构成：并行局部-全局特征提取（Parallel Local–Global Feature Extraction, PLGFE）模块、交叉注意力门控（Cross-Attention Gating, CAG）模块和分类器模块。在CICIDS2017和CICIoV2024两个数据集上的大量实验表明，所提方法取得了优异的检测性能，准确率分别达到99.85%和99.64%，F1分数（F1-Score）分别达到97.03%和97.64%。与现有最先进方法的对比实验和详细的消融实验均证实，PLGFE与CAG模块的组合显著提升了复杂网络环境下的检测性能，具有重要的理论意义和应用价值。
三、关键技术方法
研究人员采用了以下主要关键技术方法：
PLGFE模块：采用并行双流架构，包含时间卷积网络（Temporal Convolutional Network, TCN）分支和双向长短期记忆网络（Bidirectional Long Short-Term Memory, BiLSTM）分支。TCN分支利用膨胀因果卷积机制实现感受野的指数级扩展，通过4层架构（输出通道依次为64、64、128、128）提取局部特征；BiLSTM分支采用2层堆叠架构（隐藏层大小分别为64和128），通过独立细胞状态有效建模长距离依赖，提取全局特征。两个分支在相互独立的子空间中并行处理数据，避免信息干扰与丢失。
CAG模块：由特征投影层、交叉注意力块和自适应门控单元三部分组成。特征投影层通过线性层、层归一化（LayerNorm）和ReLU激活函数将异构特征映射到统一的128维潜在空间；交叉注意力块采用多头交叉注意力机制，实现局部特征查询全局特征和全局特征查询局部特征的双向深层交互；自适应门控单元通过门控网络（线性层+LayerNorm+Sigmoid）计算自适应门控系数，以残差门控融合方式在保留原始投影特征的基础上自适应地整合交互特征，抑制冗余噪声。
数据预处理与实验设计：实验采用CICIDS2017（约280万条网络流记录，78个流量特征）和CICIoV2024（12个特征，包含5种攻击类型）两个公开数据集。预处理流程包括数据清洗与合并、分层随机划分（60%:20%:20%）、Min-Max标准化以及结合合成少数类过采样技术（Synthetic Minority Oversampling Technique, SMOTE）和随机欠采样（Random Undersampling, RUS）的混合重采样策略。评估采用宏平均（macro-average）策略下的准确率、精确率、召回率和F1分数。
四、研究结果
4.1 数据集分类性能：在CICIDS2017和CICIoV2024测试集上生成计数和归一化混淆矩阵，模型在两类多分类任务中均实现了较高的预测准确率，且大多数类别保持较低的假阴性率。模型在CICIDS2017和CICIoV2024数据集上的整体准确率分别达到99.85%和99.64%，宏平均F1分数分别为97.03%和97.64%。但部分攻击类别精确率相对较低，如CICIDS2017中Bot类精确率为0.6477，CICIoV2024中Speed类精确率为0.8306。
4.2 消融实验：第一组消融实验验证PLGFE模块的优势。单网络架构（TCN-only和BiLSTM-only）的F1分数分别为91.70%和90.76%，明显低于串行和并行架构；串行结构（Model-3）的F1分数为92.14%，低于并行结构（Model-4）的93.28%。并行架构使两个分支在独立子空间中进行特征映射，有效平衡了精确率和召回率。第二组消融实验验证CAG模块的有效性。引入交叉注意力但去除门控单元的模型（Model-6）的F1分数比自注意力模型（Model-5）高出0.90%；完整模型（含交叉注意力和自适应门控）达到最高的97.03%的F1分数，精确率提升至95.28%。从92.14%（串行）到93.28%（简单拼接）再到97.03%（完整架构）的渐进式提升表明，PLGFE与CAG模块的组合产生了协同效应。
4.3 对比实验：在CICIDS2017数据集上，所提方法的精确率（95.28%）显著优于LightGBM（89.06%）、FT-Transformer（88.98%）和TGA模型（93.08%），F1分数（97.03%）超越所有基线模型。在CICIoV2024数据集上，所提方法在保持与最强基线相同最优召回率（98.44%）的同时，精确率（97.18%）和F1分数（97.64%）均达到最优，且保持极低的假阳性率（0.06%）和高PR-AUC（99.31%）。
4.4 计算成本与实时性能：所提方法实现每秒超过67,700样本的实时吞吐量，训练阶段仅需34.0秒/轮，是所有深度学习方法中最快的，显著优于最强基线TGA模型（45.0秒/轮），展示了实际网络部署的高效性和可行性。
4.5 统计可靠性分析：5次独立随机种子试验中，所提方法在所有核心评估指标上均表现出极低的标准差，确认了检测性能的高度稳定性。与TGA模型的配对t检验得到T统计量为4.5919，p值为0.0101（<0.05），证实性能提升具有统计显著性。
五、讨论与结论
讨论部分客观指出了所提方法的局限性：宏平均F1指标可能被极端少数类（如Heartbleed、SQL Injection等仅有单位数测试样本的类别）所夸大；部分攻击类别（如Bot）的精确率较低，可能在实际部署中引发告警疲劳；交叉注意力门控模块在区分流量模式高度相似的攻击（如RPM与Speed欺骗攻击）时存在困难；模型的可解释性仍需通过可解释人工智能（Explainable AI, XAI）技术进一步探索。
研究结论指出，为应对现有NIDS中局部与全局特征提取不足以及异构特征融合浅层化的问题，研究人员设计了PLGFE模块，利用并行TCN和BiLSTM双流架构同时提取局部与全局特征；并提出CAG模块，整合交叉注意力机制实现局部与全局特征的深层交互，同时通过自适应门控机制有效过滤冗余交互噪声。在CICIDS2017和CICIoV2024数据集上的大量实验表明，所提方法分别达到99.85%和99.64%的准确率以及97.03%和97.64%的F1分数。经全面的最先进方法对比和详细消融实验验证，PLGFE与CAG模块的组合在复杂网络环境中显著提升了检测性能。
