网络未知攻击检测的深度学习方法

作     者：狄冲 李桐 DI Chong;LI Tong

作者机构：上海交通大学网络空间安全学院上海200240 国网辽宁省电力有限公司电力科学研究院沈阳110000 

基　　金：国家电网有限公司总部科技项目“电力系统终端嵌入式组件和控制单元安全防护技术”(No.2019GW—12) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第22期

页      码：109-116页

摘      要：为了实现入侵检测系统对未知攻击类型的检测,提出基于深度学习的网络异常检测方法。利用置信度神经网络,对已知类型流量和未知攻击流量进行自适应判别。基于深度神经网络,制定置信度估计方法评估模型分类结果,训练模型面向已知类型流量时输出高置信度值,识别到未知攻击流量时输出低置信度值,从而实现对未知攻击网络流量的检测,并设计自适应损失平衡策略和基于学习自动机的动态正则化策略优化异常检测模型。在网络异常检测UNSW-NB15和CICIDS 2017数据集上进行仿真实验,评估模型效果。结果表明,该方法实现了未知攻击流量的有效检测,并提高了已知类型流量的分类效果,从而增强了入侵检测系统的综合性能。

主 题 词：网络安全 入侵检测 深度学习 

学科分类：0839[0839] 08[工学] 

D　O　I：10.3778/j.issn.1002-8331.2003-0353

馆 藏 号：203990064...