基于深度学习的僵尸网络检测技术研究

• 作者: 张爱新 罗扶华
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 僵尸网络 深度学习 流量检测 特征
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 安全与保密
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP309.5
• 字数: 5819字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.01.030

摘要

入侵检测系统通过分析网络流量来学习正常和异常行为,并能够检测到未知的攻击.一个入侵检测系统的性能高度依赖于特征的设计,而针对不同入侵的特征设计则是一个很复杂的问题.因此,提出了一种基于深度学习检测僵尸网络的系统.该系统利用卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)分别学习网络流量的空间特征和时序特征,而特征学习的整个过程由深度神经网络自动完成,不依赖于人工设计特征.实验结果表明,该系统在僵尸网络检测方面具有良好的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张爱新	上海交通大学网络空间安全系	28	146	7.0	11.0
2	罗扶华	上海交通大学网络空间安全系	1	0	0.0	0.0