基于网络流跨层特征的深度入侵检测方法

• 作者: 刘啸 刘强 李盼 赵文涛 闵尔学
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 入侵检测 Text-CNN 网络流 载荷特征
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 607-612
• 页数: 6页
• 分类号: TP393.4
• 字数: 4991字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.03.021

摘要

随着当今社会迈入信息化时代,保护网络空间安全变得越来越重要.近年来,新型网络攻击方法频频出现,严重威胁着人们的财产安全和国家的信息安全.因此,基于异常的入侵检测系统以其检测未知攻击的能力得到了广泛的重视.但是大多数基于异常的入侵检测技术都仅局限于单个数据包头部特征以及一定大小窗口内的统计特征,很少有工作以流(Flow)为单位提取特征,也很少有工作利用载荷中包含的攻击信息.基于以上情况,论文提出了一种基于网络流跨层特征的深度入侵检测方法,它在特征提取阶段,首先将一系列数据包整合为一个流,然后利用特征统计提取头部特征,利用文本卷积神经网络提取载荷特征.之后,将两部分特征进行拼接后,使用梯度提升算法进行回归训练,建立预测模型.最后,使用大量实验评估了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵文涛	国防科技大学计算机学院	34	178	8.0	12.0
2	刘强	国防科技大学计算机学院	33	265	10.0	15.0
3	李盼	国防科技大学计算机学院	2	23	1.0	2.0
4	刘啸	国防科技大学计算机学院	1	0	0.0	0.0
5	闵尔学	国防科技大学计算机学院	1	0	0.0	0.0