检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向异构化平台的轻量级程序异常检测方法

电子与信息学报 2022年第2期44卷 602-610页

作者：马海龙尹梓诺胡涛中国人民解放军战略支援部队信息工程大学郑州450001

针对现有异常检测方法因为预学习以及噪声敏感所导致的检测时间长和误报率高的问题,该文通过对现有异常检测案例进行分析,从平台异构性角度提出了一种异常检测的新方法:将程序分别运行在多个异构平台,正常程序的所有平台运行结果相同,... 详细信息

针对现有异常检测方法因为预学习以及噪声敏感所导致的检测时间长和误报率高的问题,该文通过对现有异常检测案例进行分析,从平台异构性角度提出了一种异常检测的新方法:将程序分别运行在多个异构平台,正常程序的所有平台运行结果相同,而异常程序在不同平台显示出差异性。基于此,该文设计了一种面向异构化平台的轻量级程序异常检测方法,收集系统状态数据并利用特征工程构建对异常表征明显的多维矢量,采用标签编码和Max-Min归一化对数据预处理,计算数据间差异度并应用阈值规则比较分析判别异常。相比于无监督特征聚类方法,所提方法的检测准确率提升了13.12%且具有低误报率和较短的检测时间。

关键词：程序异常检测异构平台系统状态特征差异性

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向拟态路由器的异常检测技术研究

面向拟态路由器的异常检测技术研究

作者：尹梓诺战略支援部队信息工程大学

学位级别：硕士

路由器作为网络基础设施核心设备,互连多种网络,在网络数据转发中发挥重要作用。路由器在网络中的核心位置和作用,决定它是一个极佳的攻击切入点,其遭受的攻击日趋复杂。一方面,路由器面临未知漏洞威胁,攻击者通过漏洞利用和挖掘,提升... 详细信息

路由器作为网络基础设施核心设备,互连多种网络,在网络数据转发中发挥重要作用。路由器在网络中的核心位置和作用,决定它是一个极佳的攻击切入点,其遭受的攻击日趋复杂。一方面,路由器面临未知漏洞威胁,攻击者通过漏洞利用和挖掘,提升其对路由器的控制权限实现其篡改利用的目的;另一方面,路由器面临拒绝服务攻击、扫描探测、远程用户攻击等恶意攻击流量,攻击者构建这些攻击流量达到其扰乱制瘫的目的。因此,检测路由器的漏洞利用攻击和恶意流量攻击对提升路由器安全性具有重要意义。在检测路由器漏洞利用攻击方面,传统路由器只能依赖设置简单的系统安全策略、固件更新、打补丁等方式进行安全性防护和漏洞修复,属于“亡羊补牢”式被动防御。基于动态异构冗余架构的拟态路由器采用主动防御式手段检测发现并阻断基于漏洞的路由和配置篡改攻击,提升了路由器的安全性。然而,在面临仅基于漏洞的提权攻击,而不做篡改攻击问题上检测手段不足。同时,在路由器恶意流量攻击检测中,基于深度学习的流量异常检测技术可大幅提升恶意流量的检测效果,但在面临流量数据类别不平衡问题时,现有检测方法无法准确有效检出少数类威胁高的恶意流量。而且,在引入含噪声流量数据对抗样本后,深度学习模型的分类能力进一步恶化,导致分类器的检测鲁棒性差、准确率低。针对上述问题和不足,本课题依托国家重点研发计划项目《先进防御系统与设备研制》,通过对相关研究现状的分析,深入研究拟态路由器系统漏洞利用检测和恶意攻击流量检测技术,提出面向系统内部状态、外部不平衡流量以及外部含噪声流量的异常检测方法,旨在提升拟态路由器异常检测的准确性和效率,增强拟态路由器的安全防护能力。本课题的主要研究内容如下:1.针对拟态路由器面临基于漏洞利用的提权攻击时检测手段不足的问题,将拟态路由器异构架构和异常检测相结合,基于异构执行单元对漏洞利用表现出的系统状态差异性,提出一种面向系统漏洞提权的拟态路由器异常检测方法。首先从异构执行单元同时收集系统状态特征数据并构建对异常表征明显的多维矢量。然后采用标签编码和Min-Max归一化方法对数据预处理,利用熵权法计算不同特征的权重,应用于异构执行单元系统状态特征差异度的计算中。应用阈值规则对比不同执行单元间的差异度水平判决异常,实现一种无需历史数据训练建模的轻量级异常检测方法,快速准确地检测拟态路由器漏洞利用提权攻击等异常。基于原型系统的测试实验结果表明,相比于无监督特征聚类K-means方法,所提方法的检测准确率提升了13.12%,且具有低误报率和较短的检测时间。2.针对拟态路由器外部流量异常检测中样本类别不平衡导致各攻击类流量特征数据检出率低等问题,提出一种面向流量数据不平衡的拟态路由器异常检测方法。从数据和算法两方面综合考虑。在数据预处理阶段,利用Borderline SMOTE过采样方法生成少数攻击类数据,使各类样本数据均衡,并使这些数据能提供尽可能多的信息进行模型训练。在异常检测阶段,设计联合注意力机制和1DCNN-Bi LSTM的异常模型,提取流量特征数据的局部特征和长距离序列特征,着重关注对检测起重要作用的特征,提升各类恶意流量的检出率和检测准确率。在原型系统的测试实验结果表明,相比其他典型机器学习模型（RF、MLP、CNN-BiLSTM等）,所提方法对扫描攻击和远程攻击的检出率至少提升了5.16%和6.34%。3.针对攻击者构建含噪声流量数据攻击样本导致模型检测鲁棒性差、准确率低的问题,提出一种面向含噪声流量的拟态路由器异常检测方法。设计基于去噪自编码器的特征提取算法,通过在训练过程中最小化含噪声流量数据与原始干净数据的差异,提取低维可靠特征。设计基于门控循环单元的异常检测算法,学习低维流量特征数据的序列关系,提高异常检测的准确性。基于原型系统的测试实验结果表明,相比其他典型机器学习（RF、DT）、深度学习方法（AE、ELM、DBN、GRU-MLP等）,检测准确率至少提升了4.24%,并且在对流量数据加入不同比例噪声时,所提方法检测准确率保持稳定,提升了拟态路由器流量异常检测的鲁棒性。

关键词：拟态路由器异常检测深度学习系统状态特征流量特征

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于DAE和GRU组合的流量异常检测方法

信息安全学报 2023年第2期8卷 11-27页

作者：尹梓诺马海龙胡涛解放军信息工程大学信息技术研究所郑州450001

流量异常检测能够有效识别网络流量数据中的攻击行为,是一种重要的网络安全防护手段。近年来,深度学习在流量异常检测领域得到了广泛应用,现有的深度学习模型进行流量异常检测存在两个问题:一是数据受噪声影响导致检测鲁棒性差、准确率... 详细信息

流量异常检测能够有效识别网络流量数据中的攻击行为,是一种重要的网络安全防护手段。近年来,深度学习在流量异常检测领域得到了广泛应用,现有的深度学习模型进行流量异常检测存在两个问题:一是数据受噪声影响导致检测鲁棒性差、准确率低;二是数据特征维度高以及模型参数多导致训练和检测速度慢。为了在降低流量数据噪声影响的基础上提高检测速度和准确性,本文提出了一种基于去噪自编码器(Denoising Auto Encoder, DAE)和门控循环单元(Gated Recurrent Unit, GRU)组合的流量异常检测方法。首先设计了基于DAE的流量特征提取算法,采用小批量梯度下降算法对DAE进行训练,通过最小化含噪声数据的重构向量与原始输入向量间的差异,有效提取具有较强鲁棒性的流量特征,降低特征维度。然后设计了基于GRU的异常检测算法,利用提取的低维流量特征数据训练GRU,从而构建异常流量分类器,实现对攻击流量的准确检测。最后在NSL-KDD、UNSW-NB15、CICIDS2017数据集上的实验结果表明:与其他的机器学习、深度学习方法相比,本文所提方法的检测准确率最大提升了18.71%。同时,本文方法可以实现较高的精确率、召回率和检测效率,同时具有较低的误报率。在面对数据受到噪声破坏时,具有较强的检测鲁棒性。

关键词：流量异常检测深度学习去噪自编码器门控循环单元

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

等参理论发展概述

中国科学:数学 2025年第1期 145-168页

作者：葛建全钱超唐梓洲彦文娇北京师范大学数学科学学院北京理工大学数学与统计学院南开大学陈省身数学研究所

自Cartan开创实空间形式中等参超曲面的研究以来,经历了一个世纪的曲折发展,等参理论已经与数学及理论物理的多个领域产生了密切联系和交叉渗透.本文旨在概括性综述等参理论的发展、推广和理论应用.

关键词：等参超曲面等参函数极小子流形

同方期刊数据库