中国科学院深圳先进技术研究院机构知识库(SIAT OpenIR): 基于深度学习的网络流时空特征自动提取方法
SIAT OpenIR  > 数字所
基于深度学习的网络流时空特征自动提取方法
黄璇丽; 李成明; 姜青山
2020
Source Publication集成技术
Subtype期刊论文
Abstract流量异常检测是网络入侵检测的主要途径之一,也是网络安全领域的一个热门研究方向。通 过对网络流量进行实时监控,可及时有效地对网络异常进行预警。目前,网络流量异常检测方法主要 分为基于规则和基于特征工程的方法,但现有方法需针对网络流量特征的变化需重新人工收集规则或 构造特征,工作量大且繁杂。为解决上述问题,该文提出一种基于卷积神经网络和循环神经网络的深 度学习方法来自动提取网络流量的时空特征,可同时提取不同数据包之间的时序特征和同一数据包内 字节流的空间特征,并减少了大量的人工工作。在 MAWILab 网络轨迹数据集上进行的验证分析结果表 明,该文所提出的网络流时空特征提取方法优于已有的深度表示学习方法。
Indexed By其他
Language中文
EI Accession Number数据挖掘
Document Type期刊论文
Identifierhttp://ir.siat.ac.cn/handle/172644/17933
Collection数字所
Recommended Citation
GB/T 7714
黄璇丽,李成明,姜青山. 基于深度学习的网络流时空特征自动提取方法[J]. 集成技术,2020.
APA 黄璇丽,李成明,&姜青山.(2020).基于深度学习的网络流时空特征自动提取方法.集成技术.
MLA 黄璇丽,et al."基于深度学习的网络流时空特征自动提取方法".集成技术 (2020).
Files in This Item: Download All
File Name/Size DocType Version Access License
数字-数据挖掘2020011.pdf(3427KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[黄璇丽]'s Articles
[李成明]'s Articles
[姜青山]'s Articles
Baidu academic
Similar articles in Baidu academic
[黄璇丽]'s Articles
[李成明]'s Articles
[姜青山]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[黄璇丽]'s Articles
[李成明]'s Articles
[姜青山]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 数字-数据挖掘2020011.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.