【摘 要】
:
随着网络范围和规模的不断扩大,网络入侵的威胁比以往任何时候都要严峻。网络入侵检测系统是为了防止网络入侵而部署在计算机上的一种安全工具。由于攻击方法的日益复杂,新攻击不断出现,传统的入侵检测已无法满足检测要求,因此需要探索新的方法来检测网络中的入侵。近年来得益于深度学习的快速发展以及其在大数据分析、处理上的优势。本文以深度学习中的深度神经网络和卷积神经网络为基础,建立了一种能够自主学习的检测模型,该
论文部分内容阅读
随着网络范围和规模的不断扩大,网络入侵的威胁比以往任何时候都要严峻。网络入侵检测系统是为了防止网络入侵而部署在计算机上的一种安全工具。由于攻击方法的日益复杂,新攻击不断出现,传统的入侵检测已无法满足检测要求,因此需要探索新的方法来检测网络中的入侵。近年来得益于深度学习的快速发展以及其在大数据分析、处理上的优势。本文以深度学习中的深度神经网络和卷积神经网络为基础,建立了一种能够自主学习的检测模型,该模型不仅能提高检测精度,而且能够识别出稀有入侵行为。论文的主要工作包括:(1)针对现有的入侵检测系统对大流量网络中的恶意行为检测效率低,无法有效对网络中的攻击类型进行高效检测的问题,本文提出了一种基于多路学习的网络入侵检测方法。该方法是一个基于深度神经网络的学习模型,其主要思想是将网络流中的大流量数据根据网络协议划分成几种小的数据流,然后对划分后的数据流进行检测。其检测过程主要包括两个阶段:第一阶段,根据网络协议类型将大的网络流划分成TCP,UDP,ICMP协议类型的子网络流,然后将得到的每个子网络流分成正常和异常流量。第二阶段,利用预训练好的多分类模型对第一阶段检测到的异常流量进行分类,识别攻击类型。(2)针对由于攻击类别之间数据分布不平衡,稀有攻击检测效率低的问题。本文提出了一种基于数据增强和级联分类器的入侵检测方法。该方法首先按照攻击类型将训练集划分为普通攻击集和稀有攻击集两种;然后使用数据增强技术对稀有攻击集进行处理以便增加稀有攻击样本量。最后为了学习的目的,在这两个划分后的数据集上都引入了分类器,每个分类器分别处理普通攻击和稀有攻击,以提高对稀有攻击的检测能力。该方法的主要思想是将稀有类别与数据集中的其他攻击类别分离,通过增加稀有类别的样本量,从而提高对稀有攻击的检测能力。
其他文献
分组密码作为一种主流的加密手段,有着易于商业标准化、适用性强、密钥信息不需要同步、扩散性良好等优点,在各种安全设备中得到了广泛的应用。未受保护的密码算法在密码设备中运行时很容易遭受到侧信道的攻击,从而威胁到密码设备的安全性。如何提高现有侧信道攻击的效率和针对攻击做出相应的防护是目前国内外研究的热点和难点。本文基于国际主流密码算法AES和国密算法SM4的算法结构,研究相关功耗分析的优化方法;并研究了
深度学习算法在图像分类等许多应用场景中取得令人瞩目的成绩。但是,研究表明含有恶意扰动的对抗样本可以欺骗甚至操纵这些复杂神经网络模型,从而使得它们输出错误的预测结果。为了应对这种威胁,本文重点研究对抗训练和预处理防御这两种提高神经网络模型鲁棒性的方法。对抗训练,即使用对抗样本训练神经网络模型,是一种有效的防御措施。经过对抗训练的神经网络模型往往具有很强的抵御对抗样本攻击的能力,但是在训练过程中生成对
文字作为体现一个国家和民族文化的载体,其重要性不言而喻。通过使用计算机识别真实场景中的文字已经成为计算机视觉领域最重要的研究内容之一。然而现有的场景文字检测与识别算法大都针对于英文、中文等使用人数广泛的语言文字。越南文字作为一种声调语言表音文字,使用人数相对较少但具有代表性。与常见的拉丁文字不同,越南文字的书写中存在6种声调符号标记,使用不同的声调符号表达不同的语义信息,现有算法在检测与识别越南场
随着物联网的快速发展,越来越多的物联网设备接入网络,使得传感设备能够更方便的收集数据。数据采集是数据分析的前提。数据收集工作的缺乏将导致数据分析工作流于形式。因此,数据收集工作是实现大数据分析的关键步骤。然而,很多数据涉及到用户(数据提供者)的个人隐私,用户并不想提供这一部分的数据。例如,用户的身体指标数据(血压、心率等),这部分作为用户隐私被用户保护。这将导致数据收集工作的质量大打折扣。所以,隐
由于智能手机定位功能的普遍应用和数据地图的可访问性,基于位置的服务(LBSs)如雨后春笋般迅猛发展,并且已经成为了一种新的服务模式。在过去的几年里,我们目睹了基于位置的服务的广泛推广。许多LBSs相关产品应运而生。人们可以从软件平台下载许多关联应用,包括导航、社交、游戏等,来享受LBSs提供的一系列丰富的个性化服务。虽然LBSs服务便捷和市场规模广阔,但是它也引发了高度的安全担忧。例如,攻击者能够
随着网络和信息技术的飞速发展,人们已经身处于一个信息爆炸的时代。一方面人们感受到了科技发展所带来的前所未有的方便与便捷,另一方面也使得信息过载成为互联网时代的一大挑战。信息资源的急剧增加,使得用户想在纷繁复杂的网络资源中找到自己所需的内容变得十分困难。个性化推荐可以有效地缓解上述所存在的“信息过载”状况,让用户得到符合自身偏好的服务,以提升用户体验,因而具有重要的研究价值。近年来,越来越多的研究者
当前由于网络的快速普及,大量终端用户使用手机等移动设备观看视频的同时,由于对等网络技术(Peer-to-Peer,P2P)具有高扩展性、低成本等优点而受到研究者们广泛的关注。为了向终端用户更好的提供视频服务,云服务提供商与视频服务提供商结合构建一个高可用的对等网络视频点播云平台。通常,云服务提供商在不同地理区域部署大量的边缘云CDN节点,并通过租用高可用的ISP链路向终端用户提供视频服务。首先,视
近年来我国汽车保有量快速增长,停车难题也越发突出。停车场实时数据的缺乏严重制约了我国停车引导系统的建设,本文针对这一问题,将城市停车引导问题进行分解,从以下两个方面展开研究。首先,针对停车场停放需求的区域化特性,本文设计了一种停车场子网分割模型。模型基于停车场空间位置关系和初始影响力,使用Mean Shift聚类算法进行子网分割。对于子网内停车场,使用基于Page Rank算法的停车转移模型计算其
微小型无人机具有小尺寸、非金属材质和低速飞行等特点,可有效降低雷达发现概率,已成为新型雷达侦察工具。无人机集群克服了单架无人机自身性能与载荷能力的不足,并凭借其远超个体累加的侦察能力,可高效完成复杂的雷达侦察任务。无人机集群任务分配通过协调无人机与任务之间的匹配关系,实现对资源的合理调配。本文研究无人机集群侦察相控阵雷达模式转移规律过程中的任务分配优化,对集群任务分配的模型与方法进行了理论研究与仿
2020年初,新冠病毒爆发,受其影响在线课程成为学生上课的主要途径,在线教育带来极大便利的同时也产生了各种各样的问题,例如:学生反馈效果差,老师授课难度大,教学质量评估难等,为了解决这类问题,本文从课程评论出发获取评价对象的情感极性。通过对在线课程评论数据进行信息提取、情感分类和聚类分析,可以了解学习者对在线课程的观点和情感,从而对在线课程进行评估。在线课程评论数据的分析对于学习者选择课程、教学者