暗网流量大数据分析与网络管理：基于权重无关神经网络框架的恶意意图检测实时自动化
密码学与安全
2021-02-18 v1 机器学习
摘要
攻击者不断修改其战术以规避检测，并频繁利用网络环境中已部署的合法凭据与可信工具，使组织难以主动识别关键安全风险。网络流量分析产品因攻击者不懈的创新而生，为组织提供了一条应对创造性攻击者的现实路径。此外，得益于云计算、设备运营商流程和物联网的广泛采用，维持有效的网络可见性已成为高度复杂且令人不堪重负的过程。网络流量分析技术尤其有意义之处在于其能够结合核心能力以实现恶意意图检测。本文中，我们提出一种新颖的暗网流量分析与网络管理框架，使用权重无关神经网络架构实时自动化恶意意图检测过程。它是一种有效且准确的计算智能取证工具，用于网络流量分析、恶意软件流量解密与加密流量实时识别。基于权重无关神经网络方法，我们提出一种自动搜索神经网络架构策略，可执行诸如识别零日攻击等多种任务。通过自动化暗网中的恶意意图检测过程，该先进方案降低了阻碍许多组织有效保护其最关键资产的技能与精力壁垒。
引用
@article{arxiv.2102.08411,
title = {Darknet Traffic Big-Data Analysis and Network Management to Real-Time Automating the Malicious Intent Detection Process by a Weight Agnostic Neural Networks Framework},
author = {Konstantinos Demertzis and Konstantinos Tsiknas and Dimitrios Takezis and Charalabos Skianis and Lazaros Iliadis},
journal= {arXiv preprint arXiv:2102.08411},
year = {2021}
}