典型文献
基于孪生神经网络的恶意流量检测方法
文献摘要：
随着科技的发展,个人电脑和手机成为现代社会中所不可缺少的智能设备.个人电脑和手机中丰富的应用程序通过互联网给用户提供诸如实时聊天、邮件、下载等便捷的网络服务.但是,这些设备的普及也吸引了大量的恶意攻击者,恶意应用程序和恶意流量随之产生.针对这一问题,在恶意流量分类检测的基础上,基于孪生神经网络提出一种端到端的单样本检测方法.对样本数据进行预处理转化为灰度图像,在TensorFlow深度学习框架下对图像样本进行训练学习,通过对比灰度图像间的相似程度实现了恶意流量的检测.提出的方法不仅能够实现端到端的单样本检测,而且在样本不均衡的分类问题上也给出了一种解决方案.最终的实验检测准确率可达95.04％,证明了该方法的可行性和科学性.
文献关键词：
恶意流量;孪生神经网络;灰度图像;相似程度;单样本;样本不均衡
中图分类号：
作者姓名：
李道全;鲁晓夫;杨乾乾
作者机构：
青岛理工大学 信息与控制工程学院,山东 青岛 266525
文献出处：
引用格式：
[1]李道全;鲁晓夫;杨乾乾-.基于孪生神经网络的恶意流量检测方法)[J].计算机工程与应用,2022(14):89-95
A类：
B类：
孪生神经网络,恶意流量检测,个人电脑,智能设备,应用程序,如实,聊天,邮件,下载,网络服务,恶意攻击,攻击者,恶意应用,流量分类,分类检测,端到端,单样本,灰度图像,TensorFlow,深度学习框架,像样,训练学,相似程度,样本不均衡,分类问题,实验检测,检测准确率
AB值：
0.340862
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。
