动态生成Shapelet的网络流量异常检测

作     者：霍帅 师智斌 窦建民 郝伟泽 石琼 HUO Shuai;SHI Zhi-bin;DOU Jian-min;HAO Wei-ze;SHI Qiong

作者机构：中北大学计算机科学与技术学院山西太原030000 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2024年第45卷第5期

页      面：1337-1342页

学科分类：0839[工学-网络空间安全] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省自然科学基金项目(20210302123075) 山西省重点研发计划基金项目(201903D121166) 

主　　题：网络流量 异常检测 时间序列 时序特征 特征学习 卷积神经网络 生成对抗网络 

摘      要：当前网络流量异常检测方法大多针对流量特征集构建检测算法,为充分利用网络流量本身数据信息,降低对人为构建特征集的依赖,采用原始网络流量数据,基于对抗性动态Shapelet网络(ADSN),动态学习Shapelet时序特征,提出一种单尺度输入的ADSN(S-ADSN)流量异常检测方法。将网络会话流中用于建立连接的数据转换为时间序列,基于S-ADSN对原始流量序列样本动态学习和生成Shapelet时序特征,计算Shapelet与流量序列之间的距离向量并通过分类器判断流量类别。实验结果表明,所提方法能够动态获取具有辨识性的流量时序特征,具有可解释性和早期检测性优点,实现较高的恶意流量检测精度。