基于残差卷积神经网络的网络攻击检测技术研究

作     者：张双全 殷中豪 张环 高鹏 ZHANG Shuangquan;YIN Zhonghao;ZHANG Huan;GAO Peng

作者机构：南京理工大学网络空间安全学院南京210094 

出 版 物：《信息网络安全》 (Netinfo Security)

年 卷 期：2025年第2期

页      面：240-248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：国家自然科学基金 江苏省科技厅重点研发计划[BE2022081] 江苏省前沿技术研发计划[BF2024071] 

主　　题：网络攻击检测 卷积神经网络 恶意流量 多分类 

摘      要：随着我国网络安全能力逐渐提高,网络攻击的数量和复杂性也逐渐增长,网络攻击检测技术面临着巨大挑战。为了提高网络攻击检测的准确性,文章提出一种基于残差卷积神经网络的网络攻击检测模型HaoResNet,并在USTC-TFC2016数据集上对HaoResNet模型进行测试。首先,HaoResNet模型将pcap流量文件转化为灰度图像;然后,对正常流量和恶意流量进行二分类、十分类和二十分类实验。实验结果表明,HaoResNet模型在二分类任务上的精确率达到100%,正常流量十分类任务上的精确率为99%,恶意流量十分类任务上的精确率为98%,二十分类任务上的精确率为98%。与现有模型相比,HaoResNet模型在二分类任务上实现了更高的检测精度。