基于深度学习的二维化攻击流量分类

• 作者: 李少晗 周程昊 程永新 杨栋
• 来源期刊: 通信技术
• 关键词: 网络攻击流量 深度学习 多分类 卷积神经网络(CNN) 循环神经网络(RNN)
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 安全与保密|Security & Privacy
• 页码范围: 2228-2234
• 页数: 7页
• 分类号: TP309
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2021.09.026

摘要

攻击流量分类是基于网络的入侵检测系统(Network-based Intrusion Detection System,NIDS)的基本工作之一,也是网络安全防御的重中之重.由于网络使用场景的不断丰富,网络流量呈急速膨胀趋势,其中有很多不法分子通过攻击流量达到自己不可告人的目的.通过深度学习中的递归神经网络、长短期记忆网络、线性分类网络和卷积神经网络实现攻击流量多分类任务,通过消融实验验证归一化和数据增广的有效性.对比实验结果表明,使用卷积网络提取二维化流量特征将会获得更好的分类结果.