| 基于神經網絡的加密惡意流量檢測技術研究 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大?。?span>4295 K | |
| 標簽： 加密惡意流量 可伸縮的窗口自注意力 深度學習 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：隨著加密通信的廣泛應用，傳統基于內容分析的惡意流量檢測方法逐漸失效，如何高效檢測加密流量中的惡意行為成為網絡安全領域的研究重點。研究提出了一種基于神經網絡的加密惡意流量檢測方法，通過深度學習模型實現惡意加密流量的分類。首先，將網絡流量預處理并提取關鍵特征，包括包大小分布、時間間隔及協議類型等，隨后將特征映射為二維特征圖（Feature Map），作為深度學習模型的輸入。設計可伸縮的窗口自注意力機制，利用Transfomer神經網絡模型對特征圖進行分類，實現了對惡意流量的高效檢測。實驗結果表明，該方法在檢測精度、召回率等方面均表現優異，為解決加密流量惡意行為檢測問題提供了一種可行方案。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2