设计应用

基于DAPA的卷积神经网络Web异常流量检测方法

作者：高胜花，李世明，李秋月，於家伟，郑爱勤
发布日期：2020-12-15
来源：2020年信息技术与网络安全第2期

0    引言

在网络空间信息安全领域，网络流量异常检测对于保障网络的正常运行和网络的安全起着至关重要的作用。随着网络服务应用数据巨增，Web服务器遭受的攻击数量越来越多，攻击类型也越来越复杂，为保证向用户提供持续、安全和可靠的应用服务，需要实时检测出Web服务中的异常流量。现有的Web异常流量检测方法大多数为误用检测或是基于传统的机器学习算法检测；误用检测是根据已知攻击行为为主要特征，将入侵行为与正常行为根据已知特征加以区分来实现入侵行为的检测，该类方法效率高且误报率低，但只能发现已知的入侵类型，漏报率较高，特征的维护多采用人工方式完成。传统机器学习检测算法依靠手工提取流量中的特征，人为干预较严重。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003151





作者信息：

高胜花，李世明，李秋月，於家伟，郑爱勤

(1.哈尔滨师范大学 计算机科学与信息工程学院，黑龙江 哈尔滨 150025；

2.上海市信息安全综合管理技术研究重点实验室，上海 200240)


此内容为AET网站原创，未经授权禁止转载。
异常流量检测 卷积神经网络 动态自适应池化

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2