關鍵詞:網(wǎng)絡異常行為 異常檢測 模式識別 流量特征建模 深度學習
摘要:基于流量特征建模的網(wǎng)絡異常行為檢測技術通過對網(wǎng)絡流量進行特征匹配與模式識別,進而檢測出潛在的、惡意入侵的網(wǎng)絡流量,是網(wǎng)絡異常行為檢測的有效手段。根據(jù)檢測數(shù)據(jù)來源的不同,傳統(tǒng)檢測方法可以分為基于傳輸層信息、載荷信息、主機行為特征等三類,而近年來興起的深度學習方法已經(jīng)開始應用于這三類數(shù)據(jù),并可以綜合應用三類數(shù)據(jù),本文從技術原理與特點、實驗方式、取得的成果等方面對上述技術路線進行了綜述,并分析了存在的主要問題和發(fā)展趨勢。
網(wǎng)絡新媒體技術雜志要求:
{1}來稿為基金資助項目請注明何種基金資助項目或課題(并附編號)。
{2}如不同意本刊對采用文稿作相應的技術處理和修改刪節(jié),請事先申明。
{3}計量單位:執(zhí)行國務院頒布的《中華人民共和國法定計量單位》,并以單位符號表示,具體使用參照中華醫(yī)學會雜志社編寫的《法定計量單位在醫(yī)學上的應用(第3版)》一書。
{4}注釋是對正文中某一特定內(nèi)容的解釋或補充說明,列于當頁腳注,用①②……標注。(注意:注釋不是引文的參考文獻,引文引用文獻應放在文后參考文獻中)
{5}正文(包括圖表)一律使用國家法定計量單位;各種專業(yè)術語規(guī)范準確;正文論述條理清晰。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社