应用深度学习提升现代计算机网络入侵检测准确率
密码学与安全
2020-12-16 v1
摘要
本文研究了应用深度学习提升现代计算机网络入侵检测准确率。计算机网络中攻击的识别根据学习阶段所用信息分为入侵检测与异常检测两类。入侵检测同时使用常规流量与攻击流量。异常检测方法试图对系统的正常行为建模，任何违背该模型的行为均被视为可疑行为。例如，若通常被动的 Web 服务器试图访问许多地址，则很可能感染了蠕虫。异常诊断方法包括统计模型、安全系统方法、协议审查、文件检查、创建白名单、神经网络、遗传算法、向量机、决策树。我们的结果表明，我们的方法在准确率、精确率与召回率上均表现高水平，且训练时间更短。在未来的工作中，我们首要的探索方向将是评估并扩展我们的模型以应对零日攻击的能力。
引用
@article{arxiv.2012.08318,
title = {Application of deep learning to enhance the accuracy of intrusion detection in modern computer networks},
author = {Jafar Majidpour and Hiwa Hasanzadeh},
journal= {arXiv preprint arXiv:2012.08318},
year = {2020}
}
备注
12 pages