隨著信息技術的發(fā)展,網(wǎng)絡資源與服務越來越豐富,網(wǎng)絡已經成為生產生活不可或缺的重要部分。與此同時,網(wǎng)絡攻擊的復雜度和危害程度也不斷變高,傳統(tǒng)基于特征的被動式網(wǎng)絡攻擊檢測手段存在不足。為此,本文提出了一種基于深度學習的網(wǎng)絡異常行為檢測方法,其對實時獲取的數(shù)據(jù)進行預處理、規(guī)則后,利用DNN訓練完成后保存的行為模型,對輸入的數(shù)據(jù)進行正�；虍惓５亩诸惙治�。實驗表明,該方法具有較好的準確度。 

【文章頁數(shù)】：3 頁

【部分圖文】：

總體方案

模型訓練損失變化圖

【參考文獻】：
期刊論文
[1]基于深度置信網(wǎng)絡的網(wǎng)絡安全態(tài)勢感知與預測[J]. 高澤芳,胡娜.  移動通信. 2018(11)
[2]一種基于動態(tài)填充的不完備數(shù)據(jù)聚類算法[J]. 裴衛(wèi)杰,龐天杰.  太原師范學院學報(自然科學版). 2018(01)
[3]改進的不完備差異關系及其擴充粗糙集模型[J]. 劉陽,王衛(wèi)華,劉永堅.  中國科技論文. 2018(05)
[4]多階段大規(guī)模網(wǎng)絡攻擊下的網(wǎng)絡安全態(tài)勢評估方法研究[J]. 唐贊玉,劉宏.  計算機科學. 2018(01)
[5]基于Deep Learning網(wǎng)絡態(tài)勢感知建模方法研究[J]. 周長建,司震宇,邢金閣,劉海波.  東北農業(yè)大學學報. 2013(05)

碩士論文
[1]網(wǎng)絡安全態(tài)勢評估與預測關鍵技術研究[D]. 陳雷.解放軍信息工程大學 2015



本文編號：3679397