检索结果-南通市图书馆

耦合演化采样和深度解码的可解释网络流量异常检测模型

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2023年第5期18卷 1070-1078页

作者：孙俊谢振平王洪波江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122 拓尔思天行网安信息技术有限责任公司北京100089

针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本... 详细信息

针对现有网络流量异常检测模型缺乏可解释性的问题,本研究提出了耦合演化采样和深度解码的可解释网络流量异常检测模型。首先,引入演化采样学习抽取代表特征样本,依此实现了强可解释性的样本编码过程;其次,构建了可解释的演化采样样本编码过程和不可解释的深度神经网络解码过程的耦合学习模型;最后,使用样本编码结果和重构误差进行异常检测。在NSL-KDD和CICIDS2017数据集上与现有方法的实验比较结果表明,该方法可显著提升模型可解释性和模型规模效率,并能取得与现有最优方法同等水平的检测性能。此外,上述新的学习策略,也可为可解释机器学习方法研究提供一种极具特色的技术方案参考。

关键词：机器学习无监督学习流量异常检测深度神经网络可解释性演化采样深度编码自编码器

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

尺度可调的多分辨网络流量异常检测

计算机应用 2007年第B12期27卷 12-14,28页

作者：杨丹胡光岷高洁钱峰电子科技大学宽带光纤传输与通信网技术教育部重点实验室成都610054

针对现有网络流量异常检测方法的不足,提出了一种基于S变换谱分解的尺度可调的多分辨网络流量异常检测算法。通过引入S变换,可以根据流量信号的频谱特征自动调整分频信号的频谱宽度,以符合异常特征;通过信号自适应重构后的再次检测,进... 详细信息

针对现有网络流量异常检测方法的不足,提出了一种基于S变换谱分解的尺度可调的多分辨网络流量异常检测算法。通过引入S变换,可以根据流量信号的频谱特征自动调整分频信号的频谱宽度,以符合异常特征;通过信号自适应重构后的再次检测,进一步确认异常特征,提高了检测的可靠性。仿真结果表明,该方法能够有效检测出流量信号的异常。

关键词：流量异常检测多分辨分析 S变换偏离分数算法

融合1D-CNN与BiGRU的类不平衡流量异常检测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第8期44卷 2493-2499页

作者：陈虹齐兵金海波武聪张立昂辽宁工程技术大学软件学院辽宁葫芦岛125105

网络流量异常检测是利用各种检测技术分析判断网络流量,发现网络中潜在的攻击,是一种有效的网络安全防护方法。针对高维海量数据和不同攻击类别的网络流量数据不均衡而导致检测准确率低、误报率高的问题,提出一种融合一维卷积神经网络(1... 详细信息

网络流量异常检测是利用各种检测技术分析判断网络流量,发现网络中潜在的攻击,是一种有效的网络安全防护方法。针对高维海量数据和不同攻击类别的网络流量数据不均衡而导致检测准确率低、误报率高的问题,提出一种融合一维卷积神经网络(1D-CNN)和双向门控循环单元(BiGRU)的类不平衡流量异常检测模型。首先,针对类不平衡数据,通过使用改进的合成少数类过采样技术(SMOTE)即Borderline-SMOTE和基于高斯混合模型(GMM)的欠采样聚类技术进行平衡处理;然后,使用1D-CNN提取数据的局部特征,并利用BiGRU更好地提取数据中的时序特征;最后,在UNSW-NB15数据集对所提模型进行验证,所提模型的准确率为98.12%,误报率为1.28%。结果表明,所提模型提高了对少数攻击的识别率,检测精度高于其他经典机器学习和深度学习模型。

关键词：流量异常检测不平衡处理特征选择卷积神经网络双向门控循环单元

在线全文

学校读者我要写书评

暂无评论

基于双向LSTM模型的流量异常检测方法

无线电工程 2023年第7期53卷 1712-1718页

作者：赵瑜霍永华黄伟杨文芳中国人民解放军91977部队北京100036 中国电子科技集团公司第五十四研究所河北石家庄050081

聚焦传统基于统计、信息论和机器学习的异常流量检测方法存在依赖专家经验、准确度较低、误报率高和泛化能力不足等问题,提出了一种基于堆叠稀疏自编码器(Stacked Sparse Auto-Encoder,SSAE)和双向LSTM模型的异常流量检测方法,基于SSAE... 详细信息

聚焦传统基于统计、信息论和机器学习的异常流量检测方法存在依赖专家经验、准确度较低、误报率高和泛化能力不足等问题,提出了一种基于堆叠稀疏自编码器(Stacked Sparse Auto-Encoder,SSAE)和双向LSTM模型的异常流量检测方法,基于SSAE进行流量数据特征提取,改变了之前全部依赖专家知识数据库的做法,从根本上避免人的主观性,提高流量数据的真实性和客观性;将双向LSTM模型提取的局部时序信息和使用多头注意力机制提取的全局信息相融合,详细阐述了模型构建过程和算法设计核心步骤;通过设计典型场景,选取数据集和准确率、召回率以及F1评分评估指标,验证所设计模型算法的精准度和鲁棒性。实验结果表明,提高了异常流量的检测精度,增强了模型泛化能力,对异常攻击和资源优化调控具有辅助决策作用。

关键词：堆叠稀疏自编码器多头注意力机制双向LSTM 流量异常检测

维普期刊数据库博看期刊

融合二次特征提取和自蒸馏的流量异常检测方法

在线全文

学校读者我要写书评

暂无评论

信息安全研究 2024年第12期10卷 1082-1090页

作者：陈万志赵林王天元辽宁工程技术大学软件学院辽宁葫芦岛125105 国网辽宁省电力有限公司营口供电公司辽宁营口115002

针对深度学习模型在处理非平衡的海量高维流量数据时对少数类攻击流量检测率低的问题,提出一种融合二次特征提取和自蒸馏的流量异常检测方法.首先,采用隔离森林(isolation forest,iForest)去除正常类样本中的离群点,训练改进的卷积去噪... 详细信息

针对深度学习模型在处理非平衡的海量高维流量数据时对少数类攻击流量检测率低的问题,提出一种融合二次特征提取和自蒸馏的流量异常检测方法.首先,采用隔离森林(isolation forest,iForest)去除正常类样本中的离群点,训练改进的卷积去噪编码器(convolutional denoising autoencoder,CDAE),减少数据中噪声和离群点对模型训练时的影响,得到原始特征的低维增强表示.其次,借助ADASYN在去除离群点的数据集上合成少数类攻击样本,解决数据失衡问题.然后,再利用iForest清除生成新样本中的离群点得到新数据集,利用训练好的CDAE对新数据集进行1次特征提取,提取的特征作为基于自蒸馏的ResNet模型输入完成2次特征提取.最后,通过组合训练好的CDAE和ResNet模型实现对异常流量的精准识别.该方法在NSL-KDD数据集上五分类准确率和F1分数最高分别达到91.52%和92.05%.实验结果表明,与现有的方法相比,该方法能够有效提升对少数攻击流量的检测率.

关键词：流量异常检测卷积去噪自编码器自蒸馏隔离森林自适应合成采样

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于大数据的电力信息网络流量异常检测机制

电信科学 2017年第3期33卷 134-141页

作者：姜红红张涛赵新建钱欣赵天成高莉莎国网江苏省电力公司南京供电公司江苏南京210019 北京邮电大学网络与交换技术国家重点实验室北京100876

随着智能电网建设的加强,电力信息网络及其承载的业务系统得到迅猛发展,网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段,提出了一种基于大数据的电力信息网络流量异常检测机制,... 详细信息

随着智能电网建设的加强,电力信息网络及其承载的业务系统得到迅猛发展,网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段,提出了一种基于大数据的电力信息网络流量异常检测机制,并通过对改进的局部异常因子(M-LOF)和支持向量域数据描述(SVDD)两种常用异常检测算法的对比分析,总结出适合电力信息网络的流量异常检测方法。

关键词：电力信息网络流量异常检测局部异常因子支持向量域数据描述

基于卷积循环神经网络的网络流量异常检测技术

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2021年第7期21卷 54-62页

作者：徐洪平马泽文易航张龙飞中国运载火箭技术研究院北京100076

随着互联网技术的广泛普及,网络安全问题也随之增加。作为网络系统的主要防御手段之一,对网络流量进行异常检测从过去基于流量负载特征和基于异常特征库匹配的检测方式,逐渐向基于机器学习、深度学习的分类方法转变。文章首先提出一种... 详细信息

随着互联网技术的广泛普及,网络安全问题也随之增加。作为网络系统的主要防御手段之一,对网络流量进行异常检测从过去基于流量负载特征和基于异常特征库匹配的检测方式,逐渐向基于机器学习、深度学习的分类方法转变。文章首先提出一种基于数据包数目的网络流量数据样本划分方法,然后组合使用深度学习中的卷积神经网络和循环神经网络提出一种基于卷积循环神经网络的网络流量异常检测算法,该算法能更充分地提取网络流量数据在空间域和时间域上的特征;最后使用公开网络流量数据集进行流量异常检测实验。实验得到了很高的精度、召回率和准确率,验证了文章方法的有效性。

关键词：流量异常检测卷积循环神经网络样本生成

在线全文

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

基于W-Kmeans算法的DNS流量异常检测

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2013年第6期34卷 2104-2108页

作者：林成虎李晓东金键尉迟学彪吴军中国互联网络信息中心北京100190 中国科学院计算机网络信息中心北京100190 中国科学院研究生院北京100190

为了对DNS查询进行有效检测,及时发现DNS流量异常,提出了适合于检测DNS流量异常的权重Kmeans(W-Kmeans)算法。对CN顶级域2009年5月19日的原始查询日志抽取有用信息,提取相关的向量特征,对不同的向量特征赋予不同的权重值。利用W-Kmeans... 详细信息

为了对DNS查询进行有效检测,及时发现DNS流量异常,提出了适合于检测DNS流量异常的权重Kmeans(W-Kmeans)算法。对CN顶级域2009年5月19日的原始查询日志抽取有用信息,提取相关的向量特征,对不同的向量特征赋予不同的权重值。利用W-Kmeans算法对查询日志进行聚类检测,并分析了算法各种参数选择的影响。5.19事件的DNS查询检测结果表明,W-Kmeans算法可以有效检测DNS流量异常的发生。

关键词：域名系统权重K均值聚类检测异常检测流量异常检测