典型文献
基于设备行为的异常流量检测
文献摘要：
为减少异常流量检测技术中流量特征的信息冗余,对不同类型流量多层面进行特征提取,提出一种基于设备行为的异常流量检测技术,对流量数据进行深度学习特征提取,综合提取到的数据时序特征、流量统计特征、协议,得到能够表征设备行为的特征.利用引入注意力机制的长短期记忆网络(long short-term memory,LSTM)训练数据提取时序特征,利用卷积神经网络(convolutional neural network,CNN)模型训练由时序特征矢量、流量统计特征、协议组成的高维流量特征完成深层次特征提取.通过在开源入侵检测数据集上进行实验,验证了该方法的有效性以及准确性.
文献关键词：
异常检测;设备行为;深度学习;卷积神经网络;长短期记忆网络
中图分类号：
作者姓名：
辛昊光;苏思达;王田原;马垚;陈永乐
作者机构：
太原理工大学 信息与计算机学院,山西 晋中 030600
文献出处：
引用格式：
[1]辛昊光;苏思达;王田原;马垚;陈永乐-.基于设备行为的异常流量检测)[J].计算机工程与设计,2022(12):3301-3307
A类：
B类：
设备行为,异常流量检测,中流,流量特征,信息冗余,多层面,流量数据,深度学习特征,综合提取,取到,时序特征,流量统计,统计特征,注意力机制,长短期记忆网络,long,short,term,memory,训练数据,数据提取,convolutional,neural,network,模型训练,特征矢量,高维,层次特征,开源,入侵检测,检测数据集,异常检测
AB值：
0.34711
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
