基于机器学习的端口扫描入侵检测

• 作者: 施勇 薛质 郭楚栩
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 端口扫描 入侵检测系统 特征提取 机器学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 安全与保密
• 页码范围: 421-426
• 页数: 6页
• 分类号: TP393.08|TP181
• 字数: 4064字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.02.024

摘要

在入侵检测系统发展的30年间,不断有新的检测方法被提出.在如今的第四次工业革命——人工智能的潮流中,机器学习算法为各种系统的方法解决提供了新的思路.基于2018年Daniel Fraunholz等人提出了的入侵检测模型,提出了一种基于机器学习的端口扫描检测系统,其中系统的特征提取参考了KDD Cup 99数据集中数据的特征提取,而其中的模型训练集是基于CICIDS2017数据集的.最后,模型测试结果优良.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛质	上海交通大学电子信息与电气工程学院	274	1489	18.0	25.0
2	施勇	上海交通大学电子信息与电气工程学院	57	234	9.0	11.0
3	郭楚栩	上海交通大学电子信息与电气工程学院	1	0	0.0	0.0