检索结果-南通市图书馆

恶意流量识别研究现状、热点及趋势——基于CiteSpace知识图谱的可视化分析

在线全文

学校读者我要写书评

暂无评论

应用数学进展 2024年第5期13卷 2392-2398页

作者：谭桂香潘一鑫刘奕君杨佳杭庞正武广西民族大学数学与物理学院广西南宁

随着科技进步,互联网迅猛发展,网络在人类生活中扮演越来越重要的角色,网络空间中的安全问题随之凸显,恶意流量作为网络攻击常用手段,其准确识别是网络安全领域的重要研究方向之一。本文借助CiteSpace软件,对CNKI数据库以恶意流量识别... 详细信息

随着科技进步,互联网迅猛发展,网络在人类生活中扮演越来越重要的角色,网络空间中的安全问题随之凸显,恶意流量作为网络攻击常用手段,其准确识别是网络安全领域的重要研究方向之一。本文借助CiteSpace软件,对CNKI数据库以恶意流量识别为主题的177篇文献进行分析,绘制发文时间、发文作者、发文机构等知识图谱,研究恶意流量识别研究现状、热点及趋势,为网络流量识别研究和网络安全防护研究提供参考。

关键词：恶意流量恶意流量识别 CiteSpace

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于黑客画像的网络攻击者识别方法

计算机工程与设计 2024年第6期45卷 1624-1630页

作者：徐雅斌王振超庄唯北京信息科技大学计算机学院北京100101 苏州市市公安局网络安全保卫支队江苏苏州215000 北京信息科技大学大数据安全技术研究所北京100101

为能够准确、快速识别网络攻击者,提出一种基于黑客画像的网络攻击者识别方法。构建将稀疏自编码器和贝叶斯神经网络相结合的SAE-BNN模型,检测不同攻击类型的恶意流量;针对不同的恶意流量,通过提取黑客属性特征、流量特征、时间特征和... 详细信息

为能够准确、快速识别网络攻击者,提出一种基于黑客画像的网络攻击者识别方法。构建将稀疏自编码器和贝叶斯神经网络相结合的SAE-BNN模型,检测不同攻击类型的恶意流量;针对不同的恶意流量,通过提取黑客属性特征、流量特征、时间特征和相似性特征,与事先建立的黑客画像库中的黑客画像进行匹配。如果与某个黑客画像完全匹配,则由此确定该黑客的身份。当不能与黑客画像库中的任何黑客画像进行匹配时,将该黑客的特征作为标签,构建新的黑客画像,并更新画像库。实验结果表明,提出的异常流量识别方法在精度、召回率、F1值和准确率上均有提升。基于黑客画像的黑客识别算法与常规方法相比,极大提高了识别效率。

关键词：稀疏自编码器贝叶斯神经网络网络黑客黑客画像黑客特征黑客匹配恶意流量

小样本下基于决策树-SNN的恶意流量检测方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年第21期59卷 258-266页

作者：李道全李玉秀任大用青岛理工大学信息与控制工程学院山东青岛266520

针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问... 详细信息

针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问题转换为二分类问题。将孪生神经网络的对比分支设计为三支一维卷积神经网络并行的结构来解决小样本下特征提取不足问题。引入了通过池化策略和一维卷积操作优化的SE(squeeze-andexcitation)模块,以减少小样本下模型过拟合问题。通过对比样本的相似度实现了恶意流量检测。实验结果表明,所提方法在小样本下的恶意流量检测问题上具有良好的效果。

关键词：恶意流量决策树孪生神经网络类间中心距离小样本通道注意力

在线全文

学校读者我要写书评

暂无评论

基于不定长卷积神经网络的恶意流量分类算法

信息安全学报 2022年第4期7卷 90-99页

作者：杨璇邬江兴赵博东南大学网络空间安全学院中国南京211189 国家数字交换系统工程技术研究中心中国郑州450002 中国人民解放军战略支援部队信息工程大学中国郑州450001

在当今信息爆炸、网络快速发展的时代,网络攻击与网络威胁日益增多,恶意流量识别在网络安全中发挥着非常重要的作用。深度学习在图像处理、自然语言处理上已经展现出优越的性能,因此有诸多研究将深度学习应用于流量分类中。将深度学习... 详细信息

在当今信息爆炸、网络快速发展的时代,网络攻击与网络威胁日益增多,恶意流量识别在网络安全中发挥着非常重要的作用。深度学习在图像处理、自然语言处理上已经展现出优越的性能,因此有诸多研究将深度学习应用于流量分类中。将深度学习应用于流量识别时,部分研究对原始流量数据进行截断或者补零操作,截断操作容易造成流量信息的部分丢失,补零操作容易引入对模型训练无用的信息。针对这一问题,本文提出了一种用于恶意流量分类的不定长输入卷积神经网络(Indefinite Length Convolutional Neural Network,ILCNN),该网络模型基于不定长输入,在输入时使用未截断未补零的原始流量数据,利用池化操作将不定长特征向量转化为定长的特征向量,最终达到对恶意流量分类的目的。基于CICIDS-2017数据集的实验结果表明,ILCNN模型在F1-Score上的分类准确率能够达到0.999208。相较于现有的恶意流量分类工作,本文所提出的不定长输入卷积神经网络ILCNN在F1-Score和准确率上均有所提升。

关键词：恶意流量流量分类卷积神经网络不定长输入

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

TLS协议恶意加密流量识别研究综述

计算机工程与应用 2022年第12期58卷 1-11页

作者：康鹏杨文忠马红桥新疆大学信息科学与工程学院乌鲁木齐830046 新疆大学信息科学与工程学院新疆维吾尔自治区多语种信息技术重点实验室乌鲁木齐830046

随着5G时代的来临,以及公众对互联网的认识日益加深,公众对个人隐私的保护也越来越重视。由于数据加密过程中存在着恶意通信,为确保数据安全,维护社会国家利益,加密流量识别的研究工作尤为重要。针对TLS流量详细的阐述,分析了早期识别... 详细信息

随着5G时代的来临,以及公众对互联网的认识日益加深,公众对个人隐私的保护也越来越重视。由于数据加密过程中存在着恶意通信,为确保数据安全,维护社会国家利益,加密流量识别的研究工作尤为重要。针对TLS流量详细的阐述,分析了早期识别方法的改进技术,包括常见的流量检测技术、DPI检测技术、代理技术以及证书检测技术。介绍了选取不同TLS加密流量特征的机器学习模型,以及无需特征选择的深度学习模型等诸多最新研究成果。对相关研究工作的不足进行总结,并对未来技术的研究工作和发展趋势进行了展望。

关键词： 5G时代个人隐私恶意流量数据安全 TLS加密流量识别

在线全文

学校读者我要写书评

暂无评论

基于孪生神经网络的恶意流量检测方法

计算机工程与应用 2022年第14期58卷 89-95页

作者：李道全鲁晓夫杨乾乾青岛理工大学信息与控制工程学院山东青岛266525

随着科技的发展,个人电脑和手机成为现代社会中所不可缺少的智能设备。个人电脑和手机中丰富的应用程序通过互联网给用户提供诸如实时聊天、邮件、下载等便捷的网络服务。但是,这些设备的普及也吸引了大量的恶意攻击者,恶意应用程序和... 详细信息

随着科技的发展,个人电脑和手机成为现代社会中所不可缺少的智能设备。个人电脑和手机中丰富的应用程序通过互联网给用户提供诸如实时聊天、邮件、下载等便捷的网络服务。但是,这些设备的普及也吸引了大量的恶意攻击者,恶意应用程序和恶意流量随之产生。针对这一问题,在恶意流量分类检测的基础上,基于孪生神经网络提出一种端到端的单样本检测方法。对样本数据进行预处理转化为灰度图像,在TensorFlow深度学习框架下对图像样本进行训练学习,通过对比灰度图像间的相似程度实现了恶意流量的检测。提出的方法不仅能够实现端到端的单样本检测,而且在样本不均衡的分类问题上也给出了一种解决方案。最终的实验检测准确率可达95.04%,证明了该方法的可行性和科学性。

关键词：恶意流量孪生神经网络灰度图像相似程度单样本样本不均衡

在线全文

学校读者我要写书评

暂无评论

基于超图神经网络的恶意流量分类模型

网络与信息安全学报 2023年第5期9卷 166-177页

作者：赵文博马紫彤杨哲苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006 江苏省大数据智能工程实验室江苏苏州215006

随着网络的普及和依赖程度的不断增加,恶意流量的泛滥已经成为网络安全领域的严重挑战。在这个数字时代,网络攻击者不断寻找新的方式来侵入系统、窃取数据和破坏网络服务。开发更有效的入侵检测系统,及时发现并应对恶意流量,可以应对网... 详细信息

随着网络的普及和依赖程度的不断增加,恶意流量的泛滥已经成为网络安全领域的严重挑战。在这个数字时代,网络攻击者不断寻找新的方式来侵入系统、窃取数据和破坏网络服务。开发更有效的入侵检测系统,及时发现并应对恶意流量,可以应对网络攻击的持续威胁,极大地减少网络攻击带来的损失。然而现有的恶意流量分类方法存在一些限制,其中之一是过度依赖对数据特征的选择。为了提高恶意流量分类的效果,提出了一种创新的方法,即基于超图神经网络的恶意流量分类模型。这一模型的核心思想是将流量数据表示为超图结构,并利用超图神经网络(HGNN,hypergraph neural network)来捕获流量的空间特征。HGNN能够更全面地考虑流量数据之间的关系,从而更准确地表征恶意流量的特征。此外,为了处理流量数据的时间特征,引入了循环神经网络(RNN,recurrent neural network),进一步提高了分类模型的性能。最终,提取的时空特征被用于进行恶意流量分类,从而帮助检测网络中的潜在威胁。通过一系列消融实验,验证了HGNN+RNN模型的有效性,证明其能够高效提取流量的时空特征,从而改善了恶意流量的分类性能。在3个广泛使用的开源数据集,即NSL-KDD、UNSW-NB15和CIC-IDS-2017上,模型取得了卓越的分类准确率,分别达到了94%、95.6%和99.08%。这些结果表明,基于超图神经网络的恶意流量分类模型在提高网络安全水平方面具有潜在的重要意义,有望帮助网络安全领域更好地应对不断演变的网络威胁。

关键词：恶意流量网络攻击超图神经网络循环神经网络

基于序列多粒度特征的加密恶意流量检测技术研究与实现

在线全文

学校读者我要写书评

暂无评论

基于序列多粒度特征的加密恶意流量检测技术研究与实现

作者：朱程威广州大学

学位级别：硕士

为保证通信数据的机密性和完整性,多数应用程序采用加密协议对通信数据进行加密处理。加密协议的应用可以有效保护合法用户通信数据的隐私,但也成为攻击者绕过网络安全设备检测的工具。因此,研究加密恶意流量检测技术,具有极其重要的意... 详细信息

为保证通信数据的机密性和完整性,多数应用程序采用加密协议对通信数据进行加密处理。加密协议的应用可以有效保护合法用户通信数据的隐私,但也成为攻击者绕过网络安全设备检测的工具。因此,研究加密恶意流量检测技术,具有极其重要的意义。现有的一些基于传统机器学习的检测方法,从加密协议报文中提取该协议特有的字段作为特征,但这些特征会随着加密协议的升级而变得不可见,使得检测方法只能用于特定协议的流量检测。现有的一些基于深度学习的检测方法,将网络数据转换为二维的数字矩阵或从流量中手工提取特征,无法很好的保留流量的原始状态。针对现有方法存在的不足,本文提出了两个加密恶意流量检测方法和一个检测系统,主要工作内容如下:(1)结合多粒度特征的加密恶意流量检测方法。该方法通过从原始网络数据中提取不同粒度的特征来对网络流量进行描述和分析。这些特征与具体的网络协议无关,因此能够在不同的网络环境下进行有效的检测。提取的特征包括四个不同的粒度:字段级特征、数据包级特征、会话级特征和主机级特征。针对不同粒度的特征,采用朴素贝叶斯、XGBoost和随机森林作为基分类器,通过软投票的方式进行模型融合。实验结果表明,该方法具有较高的检测精度和召回率,泛化能力强。(2)基于序列上下文语义的加密恶意流量检测方法。该方法能够有效地保留网络流量的原始状态,同时从中提取出充分的上下文信息。首先,将网络流量按照会话划分方式进行数据切分,形成一系列会话数据。然后,将每个会话的数据转换为一维流量序列,并选择一个合适的长度进行数据裁剪。最后,通过自定义的Text CNN神经网络,从一维流量序列中提取上下文语义特征,以实现加密恶意流量的检测。实验结果表明,该方法比现有方法具有更高的检测精度和更低的误报率。(3)基于序列多粒度特征的加密恶意流量检测系统。该系统功能包括数据上传、数据集信息可视化、特征信息可视化、加密恶意流量检测和加密流量多分类。其中,加密恶意流量检测功能基于前面提出的两种方法实现。加密流量多分类功能包括12分类和100分类,证明了本文所提方法在多分类任务上也能取得较高的分类精度。

关键词：加密流量恶意流量流量检测传统机器学习深度学习

基于机器学习的TLS加密WEB恶意流量实时检测系统设计

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

基于机器学习的TLS加密WEB恶意流量实时检测系统设计

作者：仉晓东内蒙古农业大学

学位级别：硕士

对网络恶意流量的检测是当今网络安全领域研究的热点,它是网络安全态势感知的主要组成部分。随着安全技术的发展,越来越多网站系统使用了加密技术与用户互传数据,加密技术一方面保护了用户的个人隐私不泄露和不受非法监听,但另一方面随... 详细信息

对网络恶意流量的检测是当今网络安全领域研究的热点,它是网络安全态势感知的主要组成部分。随着安全技术的发展,越来越多网站系统使用了加密技术与用户互传数据,加密技术一方面保护了用户的个人隐私不泄露和不受非法监听,但另一方面随之而来的问题是该技术也使得黑客攻击变得隐蔽,检测难度增大。现有技术主要研究了加密流量整体特征,针对家族化恶意软件较长时间的攻击特征有学习和检测效果,但针对现今恶意攻击复杂多样化的发展趋势力不从心,而且针对单帧网络数据没有有效检测手段。为解决上述问题,本文针对网站恶意流量检测进行研究。首先分析了网站系统网络流量数据的特点,然后对权威报文数据集中的有效攻击信息进行提取、泛化,分别交由HMM和SVM算法训练。验证了HMM和SVM算法对针对网站进行的多类攻击信息均具备评估和判断能力。通过验证SVM算法中的两种核函数(线性核函数和径向基核函数)、调整径向基核函数惩罚因子C和参数g、特征提取优化方法等组合手段最终使SVM算法检测准确率达99.88%,同时实验验证了SVM算法在执行效率和准确率上均优于HMM算法。进而测试SVM生成的最优模型的迁移泛化能力也能达到99.44%。于是又设计了包含TLS解密模块的实时网络抓包解析程序,并研究结合了上文机器学习SVM分类模型,设计实现了对流经数据报文进行逐帧实时检测的系统。为了测试实际网络恶意流量检测效果,真实搭建了支持TLS加密协议的WEB系统,并使用自动连接发包程序发送了含有26067个恶意数据报文的网络数据包5万到8万个,两组测试均正确检测到恶意报文25956条,测试准确率同样达到99.44%,实验结果证明了本文设计的WEB网站加密恶意流量检测系统的有效性,达到了研究需要,解决了文中提出的问题。

关键词：网站系统 SVM HMM 流量采集 TLS协议恶意流量异常检测