Packet2Vec：利用 Word2Vec 进行数据包数据的特征提取
机器学习
2020-05-01 v1 密码学与安全
摘要
深度学习的一个引人瞩目的优势是能够从大量原始数据中自动提取针对目标问题的相关特征，而非利用人工设计且易出错的手工特征。尽管深度学习在图像分类和自然语言处理等领域已取得成效，但其在原始网络数据包数据上用于入侵检测的特征提取应用在很大程度上仍未被探索。在本文中，我们修改了用于文本处理的 Word2Vec 方法，并将其应用于数据包数据以进行自动特征提取。我们称此方法为 Packet2Vec。在 2009 年 DARPA 网络数据集上针对良性与恶意流量的分类任务中，我们获得的受试者工作特征（ROC）曲线下面积（AUC）介于 0.988-0.996，精确率/召回率曲线下面积介于 0.604-0.667。
引用
@article{arxiv.2004.14477,
title = {Packet2Vec: Utilizing Word2Vec for Feature Extraction in Packet Data},
author = {Eric L. Goodman and Chase Zimmerman and Corey Hudson},
journal= {arXiv preprint arXiv:2004.14477},
year = {2020}
}
备注
MLDM 2019