網(wǎng)絡(luò)異常檢測(cè)技術(shù)成為入侵檢測(cè)領(lǐng)域的重點(diǎn)研究?jī)?nèi)容,但由于目前網(wǎng)絡(luò)異常檢測(cè)大多都停留在單點(diǎn)網(wǎng)絡(luò)異常檢測(cè),對(duì)不斷更新的聯(lián)合異常攻擊和惡意軟件無(wú)法做出快速及時(shí)的相應(yīng).本文提出了一種基于圖神經(jīng)網(wǎng)絡(luò)的工控網(wǎng)絡(luò)異常檢測(cè)算法,融合網(wǎng)絡(luò)節(jié)點(diǎn)自身屬性以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中鄰域節(jié)點(diǎn)的信息實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)異常的檢測(cè).首先,每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)獲取蘊(yùn)含了連接節(jié)點(diǎn)的特征信息以及節(jié)點(diǎn)之間交互信息的狀態(tài)向量;其次,每個(gè)節(jié)點(diǎn)使用不動(dòng)點(diǎn)理論對(duì)網(wǎng)絡(luò)進(jìn)行迭代更新;最后,根據(jù)節(jié)點(diǎn)自身信息以及鄰域節(jié)點(diǎn)信息通過(guò)神經(jīng)網(wǎng)絡(luò)提取更高層次的特征作為該節(jié)點(diǎn)的表示,最后用聚類進(jìn)行工控網(wǎng)絡(luò)節(jié)點(diǎn)異常行為檢測(cè).實(shí)驗(yàn)結(jié)果表明,本文提出算法在具有較高檢測(cè)率的同時(shí),也具有較高的魯棒性. 

【文章頁(yè)數(shù)】：5 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的自定義用戶異常行為檢測(cè)[J]. 陳勝,朱國(guó)勝,祁小云,雷龍飛,吳善超,吳夢(mèng)宇.  計(jì)算機(jī)科學(xué). 2019(S2)
[2]基于隱馬爾可夫模型和條件熵的異常流量檢測(cè)方法研究[J]. 肖林英,王懷彬.  天津理工大學(xué)學(xué)報(bào). 2019(05)
[3]基于圖編碼網(wǎng)絡(luò)的社交網(wǎng)絡(luò)節(jié)點(diǎn)分類方法[J]. 郝志峰,柯妍蓉,李爍,蔡瑞初,溫雯,王麗娟.  計(jì)算機(jī)應(yīng)用. 2020(01)
[4]基于用戶畫(huà)像的異常行為檢測(cè)模型[J]. 趙剛,姚興仁.  信息網(wǎng)絡(luò)安全. 2017(07)
[5]基于直推式方法的網(wǎng)絡(luò)異常檢測(cè)方法[J]. 李洋,方濱興,郭莉,陳友.  軟件學(xué)報(bào). 2007(10)
[6]一種網(wǎng)絡(luò)異常實(shí)時(shí)檢測(cè)方法[J]. 鄒柏賢.  計(jì)算機(jī)學(xué)報(bào). 2003(08)

博士論文
[1]網(wǎng)絡(luò)異常檢測(cè)算法研究[D]. 王子玉.清華大學(xué) 2017



本文編號(hào)：3723103