面向软件定义网络架构的入侵检测模型设计与实现

• 作者: 杨垠坦 池亚平 莫崇维 陈纯霞
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 入侵检测 卷积神经网络 软件定义网络 网络安全 加强学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 网络空间安全
• 页码范围: 116-122
• 页数: 7页
• 分类号: TP311
• 字数: 7202字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019061125

摘要

针对传统入侵检测方法无法检测软件定义网络(SDN)架构的特有攻击行为的问题,设计一种基于卷积神经网络(CNN)的入侵检测模型.首先,基于SDN流表项设计了特征提取方法,通过采集SDN特有攻击样本形成攻击流表数据集;然后,采用CNN进行训练和检测,并针对SDN攻击样本量较小而导致的识别率低的问题,设计了一种基于概率的加强训练方法.实验结果表明,所提的入侵检测模型可以有效检测面向SDN架构的特有攻击,具有较高的准确率,所提的基于概率的加强学习方法能有效提升小概率攻击的识别率.

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	北京电子科技学院网络空间安全系	62	364	10.0	16.0
5	莫崇维	北京电子科技学院网络空间安全系	1	1	1.0	1.0
9	杨垠坦	西安电子科技大学通信工程学院	3	7	1.0	2.0
10	陈纯霞	北京电子科技学院网络空间安全系	3	1	1.0	1.0