基于ResNet和BiLSTM的僵尸网络检测方法

• 作者: 谭越 邹福泰
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 僵尸网络 深度学习 ResNet BiLSTM
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 网络与系统
• 页码范围: 2975-2981
• 页数: 7页
• 分类号: TP393
• 字数: 4170字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2019.12.025

摘要

随着人工智能的发展,深度学习算法在僵尸网络检测领域的应用越来越广泛,但现有的僵尸网络检测方法多是从单一维度特征进行检测,不具备良好的全面性和适用性.因此,提出了一种从空间和时间两个维度进行特征学习的检测模型,使用ResNet神经网络学习空间特征,使用BiLSTM神经网络学习时间特征,以提取更全面的僵尸网络流量特征.实验表明,该模型性能良好,能够对僵尸网络进行较为准确的识别,且具有一定的检测未知僵尸网络的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹福泰	上海交通大学网络空间安全学院	31	175	7.0	12.0
2	谭越	上海交通大学网络空间安全学院	2	0	0.0	0.0