一种面向未知攻击检测的深度神经网络预处理方法

• 作者: 陈鹏 郭云飞 张建朋 王亚文 扈红超
• 来源期刊: 信息工程大学学报
• 关键词: 入侵检测 深度神经网络 预处理 归一化 特征生成
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 网络空间安全
• 页码范围: 200-207
• 页数: 8页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.02.012

摘要

现有的基于深度神经网络(Deep Neural Network,DNN)的检测方法对于未知攻击检测性能不佳.原因之一是现有的预处理方法并未考虑网络环境的内在特征.为解决该问题,首先提出一种新型的预处理方法,将训练集的统计特征作为网络环境的内在特征,用于测试集和检测集的预处理,以提高检测算法的性能;然后利用DNN模型进行入侵检测.对KDDCup'99、NSL-KDD和UNSW-NB15数据集的实验结果表明,与传统预处理方法相比,所提预处理方法在准确率方面表现更好,召回率也有一定程度提升.