面向网络安全的人工神经网络：一项全面综述
密码学与安全
2021-07-05 v1 机器学习
信号处理
摘要
网络安全是一个新兴领域，用于保护系统、网络和数据免受数字攻击。随着互联网规模扩大与网络攻击演变，开发新型网络安全工具变得十分重要，尤其对于物联网（IoT）网络而言。本文对深度学习方法在网络安全中的应用进行了系统性综述。本文简要描述了用于网络安全的深度学习方法，包括深度信念网络、生成对抗网络（GAN）、循环神经网络等。接着，我们阐明浅层学习与深度学习的区别。此外，讨论了当前 IoT 及其他网络中盛行的网络攻击，以及深度学习方法来应对这些攻击的有效性。并且，本文描述了突出深度学习技术、网络安全应用及数据集来源的研究。进而，讨论了深度学习系统用于恶意软件检测与分类、入侵检测及其他常见网络攻击（包括文件类型识别、垃圾邮件与网络流量）的可行性。我们的综述表明，受限玻尔兹曼机（RBM）在自定义数据集上获得了 99.72% 的高分类准确率，而长短期记忆（LSTM）在 KDD Cup 99 数据集上达到了 99.80% 的准确率。最后，本文讨论了网络安全对于可靠且实用的物联网驱动医疗系统的重要性。
引用
@article{arxiv.2107.01185,
title = {Artificial Neural Network for Cybersecurity: A Comprehensive Review},
author = {Prajoy Podder and Subrato Bharati and M. Rubaiyat Hossain Mondal and Pinto Kumar Paul and Utku Kose},
journal= {arXiv preprint arXiv:2107.01185},
year = {2021}
}
备注
14 Pages, 8 Figures