一种基于深度学习的网络异常行为检测方法

发布时间：2022-09-17 14:23

　　随着信息技术的发展,网络资源与服务越来越丰富,网络已经成为生产生活不可或缺的重要部分。与此同时,网络攻击的复杂度和危害程度也不断变高,传统基于特征的被动式网络攻击检测手段存在不足。为此,本文提出了一种基于深度学习的网络异常行为检测方法,其对实时获取的数据进行预处理、规则后,利用DNN训练完成后保存的行为模型,对输入的数据进行正常或异常的二分类分析。实验表明,该方法具有较好的准确度。 

【文章页数】：3 页

【部分图文】：

总体方案

模型训练损失变化图

【参考文献】：
期刊论文
[1]基于深度置信网络的网络安全态势感知与预测[J]. 高泽芳,胡娜.  移动通信. 2018(11)
[2]一种基于动态填充的不完备数据聚类算法[J]. 裴卫杰,庞天杰.  太原师范学院学报(自然科学版). 2018(01)
[3]改进的不完备差异关系及其扩充粗糙集模型[J]. 刘阳,王卫华,刘永坚.  中国科技论文. 2018(05)
[4]多阶段大规模网络攻击下的网络安全态势评估方法研究[J]. 唐赞玉,刘宏.  计算机科学. 2018(01)
[5]基于Deep Learning网络态势感知建模方法研究[J]. 周长建,司震宇,邢金阁,刘海波.  东北农业大学学报. 2013(05)

硕士论文
[1]网络安全态势评估与预测关键技术研究[D]. 陈雷.解放军信息工程大学 2015



本文编号：3679397