基于 Bi-LSTM 模型的网络规避检测
密码学与安全
2025-02-18 v1 人工智能
摘要
网络规避检测旨在区分网络流量是否来自链路层存在网络规避威胁，这是一种通过混淆签名来混淆检测系统中数据流量的手段。由于以往的研究工作各式各样地存在欺诈行为，本文提出一种基于深度学习网络的架构来处理此问题。在本文中，我们从数据帧中提取关键信息作为关键特征，并特别提议使用双向长短期记忆网络（Bi-LSTM），该网络在追踪序列信息方面表现出色，用于对网络流量编码其过去和未来特征。此外，我们在 Bi-LSTM 底部引入一个名为 Softmax 的分类器，以选择正确的类别。所有实验结果表明，我们在网络规避检测中使用深度 Bi-LSTM 能够实现显著的性能，其平均准确率达到 96.1%。
引用
@article{arxiv.2502.10624,
title = {Network evasion detection with Bi-LSTM model},
author = {Kehua Chen and Jingping Jia},
journal= {arXiv preprint arXiv:2502.10624},
year = {2025}
}
备注
4 pages,5 figures