針對(duì)網(wǎng)絡(luò)流量異常檢測過程中提取的流量特征準(zhǔn)確性低、魯棒性差導(dǎo)致流量攻擊檢測率低、誤報(bào)率高等問題,該文結(jié)合堆疊降噪自編碼器（SDA）和softmax,提出一種基于深度特征學(xué)習(xí)的網(wǎng)絡(luò)流量異常檢測方法。首先基于粒子群優(yōu)化算法設(shè)計(jì)SDA結(jié)構(gòu)兩階段尋優(yōu)算法:根據(jù)流量檢測準(zhǔn)確率依次對(duì)隱藏層層數(shù)及每層節(jié)點(diǎn)數(shù)進(jìn)行尋優(yōu),確定搜索空間中的最優(yōu)SDA結(jié)構(gòu),從而提高SDA提取特征的準(zhǔn)確性。然后采用小批量梯度下降算法對(duì)優(yōu)化的SDA進(jìn)行訓(xùn)練,通過最小化含噪數(shù)據(jù)重構(gòu)向量與原始輸入向量間的差異,提取具有較強(qiáng)魯棒性的流量特征。最后基于提取的流量特征對(duì)softmax進(jìn)行訓(xùn)練構(gòu)建異常檢測分類器,從而實(shí)現(xiàn)對(duì)流量攻擊的高性能檢測。實(shí)驗(yàn)結(jié)果表明:該文所提方法可根據(jù)實(shí)驗(yàn)數(shù)據(jù)及其分類任務(wù)動(dòng)態(tài)調(diào)整SDA結(jié)構(gòu),提取的流量特征具有更高的準(zhǔn)確性和魯棒性,流量攻擊檢測率高、誤報(bào)率低。 

【文章來源】：電子與信息學(xué)報(bào). 2020,42(03)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

基于兩階段尋優(yōu)SDA的流量異常檢測模型

島妥钚≈擔(dān)??表示l速度的最大值和最小值，和表示n的最大值和最小值，和表示n速度的最大值和最小值，為0和1之間的隨機(jī)小數(shù)。li,pbestni,pbestlgbestngbestfit(li(t),ni(t))li(t),ni(t)算法迭代過程中,,,依據(jù)適應(yīng)度函數(shù)進(jìn)行更新。在異常檢測領(lǐng)域，準(zhǔn)確率(Acc)是衡量檢測算法性能優(yōu)劣的關(guān)鍵指標(biāo)，為此設(shè)計(jì)適應(yīng)度函數(shù)如式(9)所示，越小，越優(yōu)。fit(li(t),ni(t))=1Acc(9)隱藏層層數(shù)尋優(yōu)算法如表1所示。(2)隱藏層每層節(jié)點(diǎn)數(shù)尋優(yōu)算法圖2基于PSO的SDA結(jié)構(gòu)兩階段尋優(yōu)算法流程第3期董書琴等：基于深度特征學(xué)習(xí)的網(wǎng)絡(luò)流量異常檢測方法697

法的適應(yīng)度值最終收斂于，其對(duì)應(yīng)的隱藏層層數(shù)，隱藏層每層節(jié)點(diǎn)數(shù)。隱藏層每層節(jié)點(diǎn)數(shù)尋優(yōu)算法最終收斂于，其對(duì)應(yīng)的隱藏層結(jié)構(gòu)為，則二分類場景下給定搜索空間中的最優(yōu)SDA結(jié)構(gòu)為。2.17×101lgbest=1ngbest=252.15×101[28,24]由圖4可知，多分類場景下隱藏層層數(shù)尋優(yōu)算法的適應(yīng)度值最終收斂于，其對(duì)應(yīng)的隱藏層層數(shù)，隱藏層每層節(jié)點(diǎn)數(shù)；隱藏層每層節(jié)點(diǎn)數(shù)尋優(yōu)算法最終收斂于，其對(duì)應(yīng)的隱藏層節(jié)點(diǎn)數(shù)為24，則多分類場景下給定搜索空間中的最優(yōu)SDA結(jié)構(gòu)為。圖3二分類場景下SDA結(jié)構(gòu)尋優(yōu)過程圖4多分類場景下SDA結(jié)構(gòu)尋優(yōu)過程700電子與信息學(xué)報(bào)第42卷

【參考文獻(xiàn)】：
期刊論文
[1]基于自編碼組合特征提取的分類方法研究[J]. 谷叢叢,王艷,嚴(yán)大虎,紀(jì)志成.  系統(tǒng)仿真學(xué)報(bào). 2018(11)
[2]深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練中梯度不穩(wěn)定現(xiàn)象研究綜述[J]. 陳建廷,向陽.  軟件學(xué)報(bào). 2018(07)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量分類方法[J]. 王勇,周慧怡,俸皓,葉苗,柯文龍.  通信學(xué)報(bào). 2018(01)
[4]基于自編碼網(wǎng)絡(luò)特征降維的輕量級(jí)入侵檢測模型[J]. 高妮,高嶺,賀毅岳,王海.  電子學(xué)報(bào). 2017(03)



本文編號(hào)：3053636