论文部分内容阅读
本文依托某互联网金融企业的安全防护要求,建设面向内部服务器资源、服务组件、业务应用的网络攻击检测系统.首先梳理目前互联网金融企业存在的网络攻击类型和特点,对以往的工具类型特点、流量历史数据进行整理,并基于长短期记忆网络(Long Short-Term Memory,LSTM)构建流量异常检测模型,用来对比实际流量与预测流量的结果,判断当前流量是否属于异常流量.其次,构建基于ART神经网络的异常流量识别分类模型,通过不同类型异常流量和工具类型的学习样本对模型进行训练和记忆,对异常流量进行分类判断.最后利用SSH框架完成核心功能模块的详细设计,并从视图设计、视图交互控制、控制器程序、数据模型类对角度对功能的页面操作、逻辑处理和数据管理过程进行实现.