隨著當今社會邁入信息化時代,保護網(wǎng)絡空間安全變得越來越重要。近年來,新型網(wǎng)絡攻擊方法頻頻出現(xiàn),嚴重威脅著人們的財產(chǎn)安全和國家的信息安全。因此,基于異常的入侵檢測系統(tǒng)以其檢測未知攻擊的能力得到了廣泛的重視。但是大多數(shù)基于異常的入侵檢測技術都僅局限于單個數(shù)據(jù)包頭部特征以及一定大小窗口內(nèi)的統(tǒng)計特征,很少有工作以流(Flow)為單位提取特征,也很少有工作利用載荷中包含的攻擊信息�；谝陨锨闆r,論文提出了一種基于網(wǎng)絡流跨層特征的深度入侵檢測方法,它在特征提取階段,首先將一系列數(shù)據(jù)包整合為一個流,然后利用特征統(tǒng)計提取頭部特征,利用文本卷積神經(jīng)網(wǎng)絡提取載荷特征。之后,將兩部分特征進行拼接后,使用梯度提升算法進行回歸訓練,建立預測模型。最后,使用大量實驗評估了方法的有效性。

【文章頁數(shù)】：6 頁


本文編號：3864942