典型文献
针对铁路信息系统的APT恶意流量预警系统研究
文献摘要：
为了更准确和高效地检测针对铁路信息系统的高级持续性威胁(APT,Advanced Persistent Threat)攻击,研究并设计了基于堆叠式长短期记忆(LSTM,Long Short-Term Memory)模型的APT恶意流量预警系统.将UNSW-NB15数据集改造为适用于APT恶意流量预警系统中模型训练的数据集;提出利用APT攻击阶段性的特性进行预警结果再计算的方法,引入置信度的概念,从而更准确地判定流量类型.在Kaggle云平台上对APT恶意流量预警系统进行了实验,其准确率、精确率和召回率等指标均优于其他方法.实验结果表明,所设计的系统具有更好的性能表现,能够有效提高APT恶意流量预警的准确率,降低误报率和漏报率.
文献关键词：
高级可持续威胁(APT);长短期记忆(LSTM)模型;深度学习;网络安全;铁路信息系统
中图分类号：
作者姓名：
朱广劼
作者机构：
中国铁道科学研究院集团有限公司 电子计算技术研究所,北京 100081
文献出处：
引用格式：
[1]朱广劼-.针对铁路信息系统的APT恶意流量预警系统研究)[J].铁路计算机应用,2022(11):14-19
A类：
B类：
铁路信息系统,APT,恶意流量,预警系统,高级持续性威胁,Advanced,Persistent,Threat,堆叠式,长短期记忆,Long,Short,Term,Memory,UNSW,NB15,模型训练,置信度,流量类型,Kaggle,精确率,召回率,其他方法,低误报率,漏报率,高级可持续威胁
AB值：
0.380471
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。
