隨著大數(shù)據(jù)時(shí)代的到來(lái),網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大,維護(hù)網(wǎng)絡(luò)空間安全的相關(guān)方法、技術(shù)也日益重要。其中,運(yùn)行在網(wǎng)絡(luò)空間中的各類(lèi)計(jì)算系統(tǒng),一般都會(huì)以文本方式建立和維護(hù)系統(tǒng)運(yùn)行日志,其所記錄的信息中包含大量的本地安全事件信息。由于安全信息具有以下特點(diǎn):全面性、全時(shí)域、不可替代性等,使得基于系統(tǒng)日志挖掘安全事件及相關(guān)技術(shù)研究,成為網(wǎng)絡(luò)空間安全領(lǐng)域的熱點(diǎn)之一。因此,本文以提高基于系統(tǒng)日志安全事件的速度與性能為目標(biāo),開(kāi)展相關(guān)的研究,設(shè)計(jì)實(shí)現(xiàn)了基于系統(tǒng)日志的安全事件分析系統(tǒng)。主要研究工作和成果包括:1、詳細(xì)分析了電信網(wǎng)絡(luò)應(yīng)用場(chǎng)景的需求與條件,對(duì)網(wǎng)絡(luò)安全事件的特征、文本語(yǔ)義特征提取方法、文本分類(lèi)方法、并行計(jì)算架構(gòu)進(jìn)行了詳細(xì)的研究分析。2、為提高日志安全事件分類(lèi)的準(zhǔn)確率,通過(guò)研究分析,結(jié)合BERT和LSTM算法,實(shí)現(xiàn)對(duì)系統(tǒng)日志中安全事件進(jìn)行分析與分類(lèi)。其主要特點(diǎn)在于針對(duì)傳統(tǒng)語(yǔ)言模型無(wú)法解決詞語(yǔ)多義性的問(wèn)題,提出采用BERT預(yù)訓(xùn)練語(yǔ)言模型提取單條日志語(yǔ)義特征信息,并結(jié)合LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練網(wǎng)絡(luò)。在某省電信公司真實(shí)數(shù)據(jù)集和IDS2018數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,優(yōu)于其他文本分類(lèi)模型。3、基于并行計(jì)算的理念和技術(shù),...

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?Ｔｒａｎｓｆｏｒｍｅｒ模型結(jié)構(gòu)圖??８??

?第２章相關(guān)理論技術(shù)與總體研宄思路???ＰＥ，?．．．?＝ｓｉｎ（?——）?（２．１）??一，２０?Ｕ）０００２＂Ｌ??ＰＥ．?．．?ｎ?＝?ｃｏｓ｛?——）?（２．２）??—，２；?＋?１）?１００００２＂（？??在公式中／為維度（ｄｉｍｅｎｓｉｏｎ，?ｄ），／？ｏｓ■為單詞的....

圖２．２?ＢＥＲＴ模型結(jié)構(gòu)圖??

?第２章相關(guān)理論技術(shù)與總體研允思路???ＢＥＲＴ模型結(jié)構(gòu)圖如圖２．１所示，閣屮盡，￡ｖ農(nóng)示文本輸入，經(jīng)過(guò)雙??向的Ｔｒａｎｓｆｏｒｍｅｒ編碼器“Ｔｍｉ”，＂ｊ以得到文本的向ｍ化表小Ｈ…，７＼。??谷歌提供了?ＢＥＲＴ－ｌａｇｅｉ？和ＢＥＲＴ－ｂａｓｅ兩種ＢＥＲＴ預(yù)訓(xùn)練模型，兩個(gè)模....

圖２．４長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)細(xì)胞單元??

?第２章相關(guān)理論技術(shù)與總體研宄思路???輸出層＠?Ｗ?＾??ｉＬ?＂?ｖ．？??隱藏層％?：；?）［＾?ｗ修產(chǎn)意；．，偏產(chǎn)??＇ａ＂?－▲’?＇Ａ??ｕ?Ｉ?展開(kāi)?ｕ?ｕ?ｕ??＿Ａｉｇ??圖２．３?ＲＮＮ結(jié)構(gòu)圖??由圖可知，；Ｃ為網(wǎng)絡(luò)的輸入，Ｕ表示由；＾到３的權(quán)重，Ｓ為隱藏層，....

圖２．３?ＲＮＮ結(jié)構(gòu)圖??由圖可知，；Ｃ為網(wǎng)絡(luò)的輸入，Ｕ表示由；＾到３的權(quán)重，Ｓ為隱藏層，０為輸??

?第２章相關(guān)理論技術(shù)與總體研宄思路???輸出層＠?Ｗ?＾??ｉＬ?＂?ｖ．？??隱藏層％?：；?）［＾?ｗ修產(chǎn)意；．，偏產(chǎn)??＇ａ＂?－▲’?＇Ａ??ｕ?Ｉ?展開(kāi)?ｕ?ｕ?ｕ??＿Ａｉｇ??圖２．３?ＲＮＮ結(jié)構(gòu)圖??由圖可知，；Ｃ為網(wǎng)絡(luò)的輸入，Ｕ表示由；＾到３的權(quán)重，Ｓ為隱藏層，....

本文編號(hào)：3901424