基于半监督多视图特征协同训练的网络恶意流量识别方法

• 作者: 卢宛芝 丁要军
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 协同训练 半监督学习 网络恶意流量识别 堆叠自动编码器
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 安全与保密|Security & Privacy
• 页码范围: 513-518
• 页数: 6页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2022.04.016

摘要

针对恶意流量样本特征变化较快,准确标记困难的问题,提出了一种基于半监督多视图特征协同训练的网络恶意流量识别方法.该方法能够使用大量的未标记数据协同训练分类模型,提升分类模型的泛化能力.使用原始字节流特征和网络流统计特征,构建两种特征视图,借助协同训练框架进行半监督的恶意流量识别.分别使用两个公开数据集对模型训练和测试,实验结果表明,协同训练模型总体分类准确率(Overall Accuracy)分别达到99.85％和99.72％,与卷积神经网络、决策树、阶梯网络和标签传播算法这4种监督学习和半监督学习相比,均有明显提升.