NETL
基于独热编码和卷积神经网络的异常检测
Liang Jie 1梁杰 2Chen Jiahao 2陈嘉豪 2Zhang Xueqin 2张雪芹 Zhou Yue 周悦 Lin Jiajun 林家骏
作者信息
- 1. 中国信息安全测评中心,北京 100085
- 2. 华东理工大学信息科学与工程学院,上海200237
- 折叠
摘要
基于深度学习的网络异常检测目前是入侵检测领域新的研究方向,但是大部分研究都是利用数据挖掘处理后的特征数据进行特征学习和分类.因此本文利用UNSW-NB15作为主要研究数据集,利用独热编码对数据集中的原始网络包进行编码,维度重构后形成二维数据,并利用卷积神经网络中的GoogLeNet网络进行特征提取学习,最后训练分类器模型进行检测.实验表明,本文提出的技术方法能有效处理原始网络包并进行网络攻击检测,检测精度达到99％以上,高于基于特征数据进行的深度学习检测方法.
关键词
计算机网络安全/异常检测/卷积神经网络/独热编码引用本文复制引用
主办单位
中国信息安全测评中心会议名称
2018年第十一届信息安全漏洞分析与风险评估大会会议时间
2018-09-16会议地点
江苏无锡会议母体文献
2018年第十一届信息安全漏洞分析与风险评估大会论文集页码
106-120出版时间
2018