基于数据处理方法提升深度学习模型在网络攻击检测的准确率研究  

作　　者：张之群 苏华吉 方俞惠 李建兰 

机构地区：[1]中国移动通信集团广东有限公司茂名分公司,广东茂名525000

出　　处：《信息产业报道》2024年第12期0163-0165,共3页Information Industry Report

摘　　要：随着现代社会网络的普及和发展,网络已成为人们生活和工作中不可或缺的一部分,我们对于网络的依赖日益增 长。然而,随之而来的是网络攻击事件的日益增多。这些网络攻击具有多样化的特性,涵盖了各种形式的攻击方式,如网页应用攻 击 (Web Application attack)、数据注入 (SQL injection) 和阻断服务 (DoS) 等。为了应对这些威胁,本文将采用 NetFlow 作为流 量分析工具,旨在收集多种攻击形式的流量。通过收集这些攻击的流量数据,本文将结合卷积神经网络 (Convolutional Neural Network,CNN) 模型来进行攻击的分类和识别。通过将一维数据转二维图片的方式作为数据前处理,再送入训练模型,本文希 望能够准确地分辨不同种的攻击,以便更好地保护网络安全。

关 键 词：NETFLOW 卷积神经网络 攻击侦测 攻击分类 

分 类 号：TN[电子电信]