基于切片的深度学习SDN恶意应用程序的检测方法

• 作者: 余宇舟 池亚平 陈颖
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: SDN 恶意应用程序 代码切片 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 安全技术
• 页码范围: 320-325
• 页数: 6页
• 分类号: TP3
• 字数: 4340字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.052

摘要

SDN是一种新型网络架构,其核心技术是通过将网络设备控制面与数据面分离.然而目前针对SDN网络架构的恶意应用程序研究还较少.针对这一问题,在总结分析现有恶意应用检测方法的基础上,采用代码切片技术并基于深度学习框架提出一种面向SDN恶意应用程序的检测方法.它旨在对样本进行模块化分割并提取特征后,将特征向量以矩阵形式重组.在TensorFlow深度学习环境Keras下对SDN恶意样本进行学习和检测,实验数据表明,该方法对恶意应用程序检测率可以达到93.75％,证明了方案的可行性和科学性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池亚平		62	364	10.0	16.0
2	余宇舟		3	4	1.0	2.0
3	陈颖		5	15	2.0	3.0