| 基于神经网络的加密恶意流量检测技术研究 | |
| 所属分类：技术论文 | |
| 上传者：wwei | |
| 文档大小：4295 K | |
| 标签：加密恶意流量可伸缩的窗口自注意力深度学习 | |
| 所需积分：0分积分不够怎么办？ | |
| 文档介绍：随着加密通信的广泛应用，传统基于内容分析的恶意流量检测方法逐渐失效，如何高效检测加密流量中的恶意行为成为网络安全领域的研究重点。研究提出了一种基于神经网络的加密恶意流量检测方法，通过深度学习模型实现恶意加密流量的分类。首先，将网络流量预处理并提取关键特征，包括包大小分布、时间间隔及协议类型等，随后将特征映射为二维特征图（Feature Map），作为深度学习模型的输入。设计可伸缩的窗口自注意力机制，利用Transfomer神经网络模型对特征图进行分类，实现了对恶意流量的高效检测。实验结果表明，该方法在检测精度、召回率等方面均表现优异，为解决加密流量恶意行为检测问题提供了一种可行方案。 | |
| 现在下载 | |
| VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。 | |
Copyright © 2005-2024华北计算机系统工程研究所版权所有京ICP备10017138号-2