網絡異常檢測技術成為入侵檢測領域的重點研究內容,但由于目前網絡異常檢測大多都停留在單點網絡異常檢測,對不斷更新的聯(lián)合異常攻擊和惡意軟件無法做出快速及時的相應.本文提出了一種基于圖神經網絡的工控網絡異常檢測算法,融合網絡節(jié)點自身屬性以及網絡拓撲結構中鄰域節(jié)點的信息實現(xiàn)對網絡異常的檢測.首先,每個網絡節(jié)點獲取蘊含了連接節(jié)點的特征信息以及節(jié)點之間交互信息的狀態(tài)向量;其次,每個節(jié)點使用不動點理論對網絡進行迭代更新;最后,根據(jù)節(jié)點自身信息以及鄰域節(jié)點信息通過神經網絡提取更高層次的特征作為該節(jié)點的表示,最后用聚類進行工控網絡節(jié)點異常行為檢測.實驗結果表明,本文提出算法在具有較高檢測率的同時,也具有較高的魯棒性. 

【文章頁數(shù)】：5 頁

【參考文獻】：
期刊論文
[1]基于深度神經網絡的自定義用戶異常行為檢測[J]. 陳勝,朱國勝,祁小云,雷龍飛,吳善超,吳夢宇.  計算機科學. 2019(S2)
[2]基于隱馬爾可夫模型和條件熵的異常流量檢測方法研究[J]. 肖林英,王懷彬.  天津理工大學學報. 2019(05)
[3]基于圖編碼網絡的社交網絡節(jié)點分類方法[J]. 郝志峰,柯妍蓉,李爍,蔡瑞初,溫雯,王麗娟.  計算機應用. 2020(01)
[4]基于用戶畫像的異常行為檢測模型[J]. 趙剛,姚興仁.  信息網絡安全. 2017(07)
[5]基于直推式方法的網絡異常檢測方法[J]. 李洋,方濱興,郭莉,陳友.  軟件學報. 2007(10)
[6]一種網絡異常實時檢測方法[J]. 鄒柏賢.  計算機學報. 2003(08)

博士論文
[1]網絡異常檢測算法研究[D]. 王子玉.清華大學 2017



本文編號：3723103