基于DAPA的卷积神经网络Web异常流量检测方法

• 作者: 於家伟 李世明 李秋月 郑爱勤 高胜花
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 异常流量检测 卷积神经网络 动态自适应池化
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: ITNS主题专栏:网络安全防护技术
• 页码范围: 8-12
• 页数: 5页
• 分类号: TP393
• 字数: 3167字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.02.002

摘要

针对Web攻击流量检测问题,提出一种基于动态自适应池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷积神经网络模型.首先将数据集中每一条请求流量进行剪裁、对齐、补足等操作,生成一系列50 ×150 的矩阵数据 A作为输入,然后搭建基于动态自适应的卷积神经网络模型去进行异常流量检测,使之可以根据特征图的不同,动态地调整池化过程,在网络结构中添加Dropout层来解决流量特征提取过程中的过拟合问题.实验表明,该方法比未使用动态自适应池化的方式精确度提升了1.2％,损失值降低了2.6％,过拟合问题也得到了解决.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李世明	哈尔滨师范大学计算机科学与信息工程学院	24	55	5.0	6.0
3	於家伟	哈尔滨师范大学计算机科学与信息工程学院	4	0	0.0	0.0
6	李秋月	哈尔滨师范大学计算机科学与信息工程学院	4	0	0.0	0.0
7	高胜花	哈尔滨师范大学计算机科学与信息工程学院	3	0	0.0	0.0
8	郑爱勤	哈尔滨师范大学计算机科学与信息工程学院	1	0	0.0	0.0