摘要：为了实现网络流量特征的高效、准确检测,保障信息系统安全可靠运行,提出一种网络异常流量智能感知模型。分析了传统网络异常流量检测方法的局限性,研判了流量检测、风险评估等方面的关键技术,提出了由流量采集和甄别、数据清洗、数据管理、威胁分析和评估应用五大模块构成的智能感知模型,并形成流式建模设计。以网络流量数据统计为基础,保证模型可以应对各种来源数据的采集和分析任务;完备的数据清洗能力能够对多种设备产生的数据进行汇聚和关键性标注;高可靠的数据管理体系能够保障海量数据得以安全存储和及时计算;充分的威胁分析手段支撑了对异常数据的持续检测预警,识别出隐藏在数据背后的攻击事件并得到充分的刻画、追踪;细粒度的评估应用能力保证了风险态势评估、攻击告警响应和智能感知的实现和迭代更新。该模型全方位地实现了网络异常数据的智能感知,具有较强的稳定性、安全性、持续性,为网络安全管理提供了一定的参考依据。

摘要：针对传统的异常流量监测系统在监测移动通信网络流量时存在监测结果准确度不高的情况,提出一种基于特征库识别的移动通信网络异常流量监测方法,对移动通信网络异常流量监测系统的硬件和软件进行设计。硬件部分分为三个子系统,分别为采集系统、监测系统和显示系统,重点设计了采集系统和监测系统。根据硬件结构给出了软件流程图,通过阈值设定、流量监测、数据统计三步完成整个工作过程。与传统监测系统进行实验对比,结果表明,运用特征库识别法设计的移动通信网络异常流量监测系统能够有效保证监测结果准确性,具有较高的使用价值。

摘要：为解决传统网络异常流量特征选择方法存在的准确率与效率较低问题,提出一种基于集成分类器的网络异常流量特征选择模型设计方法。仿真实验中以误报率、阳性似然比、约登指数等作为评估指数指标,结果表明所提出的模型设计方法的各个指标数值均优于传统方法,证明该方法的计算速度较快、准确度较高。

摘要：当前检测方法一般为目标执行检测,检测覆盖范围容易受限,导致误报率增加,为此提出基于加权支持向量机(Support Vector Machine,SVM)的电力通信网络异常流量入侵检测方法研究。先提取异常流量隐性特征,采用动态化的方式打破检测覆盖范围受到的限制。设计动态异常流量检测机制,并以此为基础构建基于加权SVM的通信网络异常流量入侵检测模型,采用交叉跟踪识别的方式来完成入侵检测。测试结果表明,应用所提方法检测时,其误报率控制在15%以下,证明设计方法具有较强的稳定性与针对性,实际应用效果更佳。

摘要：网络结构具有较高复杂性,因此导致各种异常流量现象层出不穷,其中包括一些标注样本极少的新型异常流量类型。为了有效识别标注样本量极少的异常情况,设计了一种基于小样本学习的网络异常流量检测方法。该方法利用基于小样本的迁移学习技术识别异常流量,从而确保了网络安全。

摘要：由于传统入侵检测方法侧重于对单一节点的保护而忽视网络整体安全防护,导致互联网网络入侵检测结果准确性较差,提出基于区块链技术的互联网网络异常流量入侵检测方法。基于区块链技术获取互联网网络节点的流量信息,根据节点信息计算出各节点的异常分数,进而确定异常节点,建立一个信任模型输入异常节点的特征,输出并分发信任值,完成互联网网络异常流量入侵检测。实验结果表明,设计方法下互联网网络异常流量入侵检测结果的召回率为98.7%,具有较高的检测性能。

摘要：由于对网络流量特征的提取结果存在偏差,导致对应的监测结果可靠性较低,为此,提出一种基于双向循环卷积神经网络的网络异常流量监测方法。在构建双向循环卷积神经网络阶段,通过感知器单元激活流量数据后,利用交叉熵代价函数对流量数据在神经网络各神经元之间的传递进行约束,并将卷积神经网络中的卷积层替换为循环卷积层,通过在卷积层的输出结果中添加空数据,实现对网络流量特征的循环迭代计算,将最终提取到的特征参量作出异常流量判断标准输出到池化层。当待监测的网络流量数据输入到循环卷积神经网络后,通过拟合其特征参量与池化层特征之间的关系,判断其是否存在异常,并根据时间标签计算网络异常流量的规模。测试结果表明,设计方法可以实现对异常流量的准确监测。

摘要：为解决利用传统方法进行网络流量异常入侵检测时存在检测正确率较低的问题,提出基于数据挖掘的网络流量异常入侵检测方法。根据网络攻击行为对网络异常流量特征属性进行提取,利用数据挖掘的关联分析找出异常流量特征之间的相关性,并将网络异常流量特征进行联合计算熵值处理,实现异常网络流量入侵检测。实验结果表明,设计的网络流量异常入侵检测方法在不同入侵行为类型上的检测正确率均在96.00%以上,证明该方法可以准确地检测出网络中潜在的入侵行为,具有较好的实用性。

摘要：在电力工控系统中,一些任务对实时性要求极高,任何延迟都可能对系统运行产生严重影响。异常流量入侵检测需要在保证实时性的前提下,准确地识别和响应来自网络的异常行为。为此,提出一种电力工控系统网络异常流量入侵检测算法。介绍电力工控系统的组成,基于此,利用主成分分析提取并分析异常流量的特征。选取标志性指标,尽量消减网络信号干扰,对空间变量实行降维,从而压缩简化流量。应用Libpcap方法提取流量数据包,设计异常流量数据包的提取流程。通过特征提取滤除无关和冗余流量,计算系统性能权值,实现异常流量入侵检测。实验结果表明,研究方法能够对多次异常流量入侵实现准确检测,无延时问题,且网络开销更低。

摘要：为应对网络入侵，把改进的K—MEANS及DBSCAN算法进行综合，引入至入侵检测系统中，对通用检测记录集的异常检测试验表明，该设计的入侵检测算法具有非常高的效率和准确性。