检索结果-内蒙古大学图书馆

作者：张稣荣战略支援部队信息工程大学

学位级别：硕士

流量分类技术作为网络管理和网络安全领域的重要保障,在互联网规模日益扩大、网络环境复杂多变的背景下,发挥着愈加关键的作用。在流量分类研究初期,基于端口号以及基于深度数据包检测的流量分类技术得到了广泛应用。随着互联网用户对... 详细信息

流量分类技术作为网络管理和网络安全领域的重要保障,在互联网规模日益扩大、网络环境复杂多变的背景下,发挥着愈加关键的作用。在流量分类研究初期,基于端口号以及基于深度数据包检测的流量分类技术得到了广泛应用。随着互联网用户对隐私和安全的日益关注以及网络加密技术的不断升级,非加密的数据传输方式逐渐被加密传输所取代,加密网络流量在互联网中所占的比例逐年上升。然而,加密流量在保护用户隐私与安全的同时,也给恶意互联网活动提供了更为隐蔽的方式,同时,流量加密化使得传统的流量分类方法失去作用,给网络管理和网络安全带来了巨大威胁。因此,如何高效、准确地对加密流量进行分类成为亟待解决的问题。迄今为止,国内外研究者已经提出了众多分类方案,其中,基于深度学习的加密流量分类方法具有高度自动化的优点,是一种高效且准确的分类方法。但是,通过大量文献调研发现,现有的基于深度学习的加密流量分类方法仍然存在以下问题:(1)现有的公开加密流量数据集尤其是加密恶意流量数据集较为缺乏,人工收集和标记难度较大,造成可用样本较为缺乏,而目前已有的研究未考虑小样本条件下的加密流量分类问题;(2)现有分类方法,尤其是基于循环神经网络的加密流量分类方法,未综合考虑分类准确率与模型分类效率之间的平衡;(3)深度学习模型本身容易受到对抗样本的攻击,导致模型分类准确率降低,甚至失效。而当前所使用的分类模型多是单一且静态的深度学习模型,未考虑对模型鲁棒性的评估。针对上述问题,本文依托国家自然科学基金项目《面向大规模网络的加密恶意流量智能检测技术研究》(62176264),主要进行了以下三个方面的工作:(1)针对目前公开可用的加密恶意流量数据集较少,且在网络环境中收集和标记难度较大导致可用样本较少的问题,提出一种基于迁移学习的加密恶意流量分类方法。该方法在迁移学习致力于解决目标域缺少高质量数据问题的目标中获得灵感,将原始流量数据预处理为灰度图像,并将在大型图像数据集Image Net上预训练好的模型Efficientnet-B0迁移到加密流量分类领域,保留其卷积层的结构和参数,将其最后的全连接层替换,并基于流量灰度图像重新训练。实验结果表明,该方法在训练集中各类流量样本数量减少到100条时,也能够达到96.35%的细粒度分类准确率。(2)针对现有分类方法,尤其是基于循环神经网络的加密流量分类方法,未综合考虑分类准确率与模型分类效率之间的平衡问题,提出一种基于多层双向简单循环单元与注意力模型的加密流量分类方法。该方法采用具有高度并行化序列建模能力的简单循环单元作为核心组件,通过堆叠多层双向简单循环单元从原始流量数据中自动提取特征,并引入注意力机制为不同特征分配权重,从而进一步提高分类准确率。最后,实验部分证明,与性能最好的BGRUA模型相比,MLBSRU-A模型的细粒度分类准确率提高了4.34%,训练时间减少了55.38%。(3)针对大多数加密流量分类方法使用的模型较为单一,导致鲁棒性较低的问题,提出一种基于多模型调度的鲁棒加密流量分类方法。该方法基于动态异构冗余架构,结合集成学习思想,将五种不同架构的深度学习模型看作五个“异构执行体”,通过随机“上线”及异常“下线”等灵活动态的调度策略,增大攻击者的攻击难度,降低分类模型被攻破的概率,提高系统抵御对抗样本攻击的能力。最后,通过采用快速梯度符号法构造对抗样本进行实验。实验结果表明,在对抗样本的干扰下,与无攻击环境下相比,所提方法在各种实验场景下分类准确率最高只降低了3.7%,证明了该方法能够有效抵御对抗样本攻击,具有较高的鲁棒性。

关键词：加密流量分类深度学习迁移学习 SRU 模型鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于CNN和BiLSTM的钓鱼URL检测技术研究

引用

郑州大学学报（工学版） 2021年第6期42卷 14-20页

作者：卜佑军张桥陈博张稣荣王方玉中国人民解放军战略支援部队信息工程大学河南郑州450001 郑州大学中原网络安全研究院河南郑州450001

为了解决日益严峻的网络钓鱼问题,提出一种基于卷积神经网络(CNN)和双向长短记忆网络(BiLSTM)的钓鱼URL检测方法CNN-BiLSTM。该方法首先基于敏感词分词的方法对URL分词,根据特殊字符和敏感词对URL进行单词级别划分,对其中的非敏感词进... 详细信息

为了解决日益严峻的网络钓鱼问题,提出一种基于卷积神经网络(CNN)和双向长短记忆网络(BiLSTM)的钓鱼URL检测方法CNN-BiLSTM。该方法首先基于敏感词分词的方法对URL分词,根据特殊字符和敏感词对URL进行单词级别划分,对其中的非敏感词进行字符级别划分,以获取特殊字符和敏感词的有效信息,提升利用URL数据信息的程度;然后将分词后的URL输入到CNN和BiLSTM中,通过CNN获取URL的空间局部特征,通过BiLSTM获取URL的双向长距离依赖特征,基于自动提取的特征检测钓鱼网页。实验结果表明:基于CNN和BiLSTM的钓鱼URL检测方法能够达到较好的检测效果,其准确率达到了98.84%,精确率达到了99.71%,召回率达到了98.04%,F1值达到了98.86%。此方法相对于传统的机器学习和黑名单检测方法,无须人工提取特征且能识别新出现的钓鱼网页。

关键词：钓鱼URL URL分词卷积神经网络双向长短记忆网络

来源：评论

学校读者我要写书评

暂无评论

入侵检测技术研究综述

引用

网络安全技术与应用 2020年第8期 22-24页

作者：张桥卜佑军胡静萍张稣荣中国人民解放军战略支援部队信息工程大学河南450002 郑州大学中原网络安全研究院河南450001

当今,网络规模日益庞大,接踵而至的网络安全问题亦日益凸显,入侵检测技术因能及时发现网络或系统中的攻击行为正逐渐在网络安全中起到至关重要的作用。本文首先阐述了入侵检测的概念和模型;其次对异常检测和误用检测这两类入侵检测技术... 详细信息

当今,网络规模日益庞大,接踵而至的网络安全问题亦日益凸显,入侵检测技术因能及时发现网络或系统中的攻击行为正逐渐在网络安全中起到至关重要的作用。本文首先阐述了入侵检测的概念和模型;其次对异常检测和误用检测这两类入侵检测技术进行了讨论、分析;最后概括总结了入侵检测系统的体系结构及其发展趋向。

关键词：入侵检测异常检测误用检测体系结构

来源：评论

学校读者我要写书评

暂无评论

基于多层双向SRU与注意力模型的加密流量分类方法

引用

计算机工程 2022年第11期48卷 127-136页

作者：张稣荣卜佑军陈博孙重鑫王涵胡先君中国人民解放军战略支援部队信息工程大学信息技术研究所郑州450000 网络通信与安全紫金山实验室内生安全研究中心南京211100

基于传统循环神经网络的加密流量分类方法普遍存在并行性较差、模型运行效率较低等问题。为实现加密流量的快速准确分类,提出一种基于多层双向简单循环单元(SRU)与注意力(MLBSRU-A)模型的加密流量分类方法。将特征学习和分类统一到一个... 详细信息

基于传统循环神经网络的加密流量分类方法普遍存在并行性较差、模型运行效率较低等问题。为实现加密流量的快速准确分类,提出一种基于多层双向简单循环单元(SRU)与注意力(MLBSRU-A)模型的加密流量分类方法。将特征学习和分类统一到一个端到端模型中,利用SRU模型高度并行化的序列建模能力来提高整体运行效率。为了提升MLBSRU-A模型的分类精度,堆叠多层双向SRU网络使其自动地从原始流量中提取特征,并引入注意力机制为特征赋予不同的权重,从而提高重要特征之间的区分度。实验结果表明,在公开数据集ISCX VPN-nonVPN上,MLBSRU-A模型具有较高的分类精度和运行效率,与BGRUA模型相比,MLBSRU-A的细粒度分类准确率提高4.34%,训练时间减少55.38%,在USTC-TFC2016数据集上,MLBSRU-A模型对未知加密恶意流量的检测准确率达到99.50%,细粒度分类准确率为98.84%,其兼具对未知加密恶意流量的高精度检测能力以及对加密恶意流量的细粒度分类能力。

关键词：加密流量分类加密恶意流量检测简单循环单元注意力机制循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的加密恶意流量检测方法

引用

计算机工程与应用 2022年第17期58卷 130-138页

作者：张稣荣陈博卜佑军路祥雨孙嘉中国人民解放军战略支援部队信息工程大学信息技术研究所郑州450000 郑州大学软件学院郑州450000

现有加密恶意流量检测方法需要利用大量准确标记的样本进行训练,以达到较好的检测效果。但在实际网络环境中,加密流量数据由于其内容不可见而难以进行正确标记。针对上述问题,提出了一种基于迁移学习的加密恶意流量检测方法,首次将基于I... 详细信息

现有加密恶意流量检测方法需要利用大量准确标记的样本进行训练,以达到较好的检测效果。但在实际网络环境中,加密流量数据由于其内容不可见而难以进行正确标记。针对上述问题,提出了一种基于迁移学习的加密恶意流量检测方法,首次将基于ImageNet数据集预训练的模型Efficientnet-B0,迁移到加密流量数据集上,保留其卷积层结构和参数,对全连接层进行替换和再训练,利用迁移学习的思想实现小样本条件下的高性能检测。该方法利用端到端的框架设计,能够直接从原始流量数据中提取特征并进行检测和细粒度分类,避免了繁杂的手动特征提取过程。实验结果表明,该方法对正常、恶意流量的二分类准确率能够达到99.87%,加密恶意流量细粒度分类准确率可达到98.88%,并且在训练集中各类流量样本数量减少到100条时,也能够达到96.35%的细粒度分类准确率。

关键词：加密恶意流量检测迁移学习 Efficientnet 小样本加密流量

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的轻量级流量分类模型

引用

信息工程大学学报 2023年第4期24卷 459-467页

作者：孙重鑫陈博卜佑军张稣荣王涵信息工程大学河南郑州450001 网络通信与安全紫金山实验室江苏南京211100

针对基于深度学习的流量分类模型普遍参数与计算量巨大,无法在边缘网络场景应用部署的问题,提出了基于改进MobileNetV3模型的轻量级流量分类模型。一方面通过调节网络规模、压缩模型宽度和分辨率,有效地降低模型参数量与计算量;另一方... 详细信息

针对基于深度学习的流量分类模型普遍参数与计算量巨大,无法在边缘网络场景应用部署的问题,提出了基于改进MobileNetV3模型的轻量级流量分类模型。一方面通过调节网络规模、压缩模型宽度和分辨率,有效地降低模型参数量与计算量;另一方面通过嵌入精确位置信息到通道注意力机制中和设计轻量化多尺度特征融合模块,以较小的成本代价,提升模型流量分类性能。公开数据集Bot-IoT上的实验结果表明,所提模型具有较好的分类精度和运行效率。与轻量级BGRUA流量分类模型相比,在参数量相近的情况下,准确率提高4.82%,计算量大幅度减少96.25%。此外,在Raspberry Pi上的测试结果证明,其在边缘设备中具有实时流量分类能力。

关键词：流量分类深度学习注意力机制多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

一种基于MPAN的钓鱼URL检测方法

引用

信息工程大学学报 2021年第4期22卷 443-449页

作者：张桥卜佑军陈博曹东伟张稣荣郑州大学中原网络安全研究院河南郑州450001 信息工程大学河南郑州450001

为解决日益严峻的网络钓鱼问题,提出一种基于消息传递注意力网络(Message Passing Attention Network,MPAN)的钓鱼URL检测方法。此方法相对于传统的机器学习和黑名单检测方法,无需人工提取特征且能识别新出现的钓鱼网页。首先基于敏感... 详细信息

为解决日益严峻的网络钓鱼问题,提出一种基于消息传递注意力网络(Message Passing Attention Network,MPAN)的钓鱼URL检测方法。此方法相对于传统的机器学习和黑名单检测方法,无需人工提取特征且能识别新出现的钓鱼网页。首先基于敏感词分词的方法对URL分词,以提升利用URL数据信息的程度。然后通过MPAN获取URL中长距离、非连续的单词交互信息,基于自动提取的特征检测钓鱼网页。实验结果表明,基于MPAN的钓鱼网页检测方法能够达到较高的准确率、召回率、F1值。

关键词：消息传递注意力网络钓鱼URL 机器学习黑名单 URL分词

来源：评论

学校读者我要写书评

暂无评论

基于多特征学习的网络加密流量分类方法及系统

基于多特征学习的网络加密流量分类方法及系统

引用

作者：卜佑军张稣荣陈博张桥袁征伊鹏马海龙胡宇翔王方玉孙嘉路祥雨王继张进 450000 河南省郑州市高新区科学大道62号

本发明属于网络安全技术领域，特别涉及一种基于多特征学习的网络加密流量分类方法及系统，包含：通过对原始流量数据集进行预处理来获取用于作为深度学习模型输入的流量数据包向量；将流量数据包向量分别输入到已训练的多通道CNN模型和... 详细信息

标准号: CN113037730B

本发明属于网络安全技术领域，特别涉及一种基于多特征学习的网络加密流量分类方法及系统，包含：通过对原始流量数据集进行预处理来获取用于作为深度学习模型输入的流量数据包向量；将流量数据包向量分别输入到已训练的多通道CNN模型和LSTM模型中进行并行学习，通过多通道CNN模型提取数据包空间特征，通过LSTM模型提取流量时序特征；将数据包空间特征和流量时序特征进行向量拼接，得到全方位流量特征向量；将全方位流量特征向量输入到神经网络全连接层，通过流量类型概率来获取加密流量分类类型。本发明能够从空间特征和时间特征的角度全方位自动提取和利用流量特征，提升加密流量的分类能力，具有较好的应用价值。

关键词：向量空间特征流量特征流量数据包加密流量模型提取时序特征多通道数据包预处理网络安全技术原始流量数据角度全方位分类类型分类能力流量分类流量类型模型输入神经网络时间特征特征学习网络加密自动提取连接层拼接并行学习概率应用

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的钓鱼网页层次化检测方法及系统

基于深度学习的钓鱼网页层次化检测方法及系统

引用

作者：陈博张桥卜佑军周锟王方玉伊鹏马海龙胡宇翔张稣荣路祥雨王继张进 450000 河南省郑州市高新区科学大道62号

本发明属于网络安全技术领域，特别涉及一种基于深度学习的钓鱼网页层次化检测方法及系统，包含：利用黑名单对待测URL进行匹配，拦截已知钓鱼网页；基于敏感词对待测URL分词，并通过词嵌入矩阵将分词后的URL转化为特征向量矩阵；利用... 详细信息

标准号: CN113037729A

本发明属于网络安全技术领域，特别涉及一种基于深度学习的钓鱼网页层次化检测方法及系统，包含：利用黑名单对待测URL进行匹配，拦截已知钓鱼网页；基于敏感词对待测URL分词，并通过词嵌入矩阵将分词后的URL转化为特征向量矩阵；利用已训练的卷积神经网络CNN提取特征向量矩阵中的局部特征，并结合双向长短记忆网络Bi‑LSTM提取特征向量中的长距离依赖特征；针对长距离依赖特征，利用网络全连接层来获取待测URL属于钓鱼网页的概率并判定待测URL类型。本发明结合黑名单和深度学习的优点，通过拦截并自动提取特征检测未知的钓鱼网页，检测模型提取更为充分的特征，提升对钓鱼网页的检测能力，检测速度快、准确率高，具有较好的应用前景。

关键词：钓鱼网页检测提取特征分词拦截矩阵卷积神经网络特征向量矩阵网络安全技术记忆网络局部特征模型提取特征检测向量矩阵自动提取层次化连接层敏感词准确率向量匹配嵌入判定学习概率转化应用网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的钓鱼网页层次化检测方法及系统

基于深度学习的钓鱼网页层次化检测方法及系统

引用

作者：陈博张桥卜佑军周锟王方玉伊鹏马海龙胡宇翔张稣荣路祥雨王继张进 450000 河南省郑州市高新区科学大道62号

标准号: CN113037729B

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：