基于递归神经网络的恶意网络流量识别分析方法.pdfVIP

业控制计算机曳园5年第猿8卷第8期103

基于递归神经网络的恶意网络流量识别分析方法鄢

MaliciousNetworkTrafficRecognitionandAnalysisMethod

BasedonRecursiveNeuralNetwork

李强强周波国网浙江省电力有限公司杭州市富阳区供公司袁浙江杭州311400冤

钱锦国网浙江省电力有限公司杭州供公司袁浙江杭州311400冤

摘要院传统的恶意流量识别方法通过人工分析和专家经验来提取网流量的关键特征袁并基于这些特征构建分类或检测

模型遥面对大量且复杂的网流量数据时袁这种方法会因为信息过载而难以准确聚焦到关键特征上袁导致识别精度的下降遥为

此袁提出一种基于递归神经网的恶意网流量识别分析方法遥首先进行恶意网流量的采样袁以确保获取具有代表性的恶意

网流量数据曰随后袁从采样数据中提取出对识别恶意流量有用的关键特征曰接着袁利用这些特征建立基于递归神经网的恶

意网流量分类模型袁以捕捉恶意流量数据中的时序依赖性曰最后袁在模型中引入注意力机制袁该机制允许模型在处理序列数

据时袁能够动态地聚焦于那些对识别恶意行为最为关键的部分袁忽略不相关的信息袁帮助模型更准确地识别出流量中的恶意模

式或异常行为遥由于模型的高效性袁还能够大幅缩短识别时间袁这对于实时网环境下的恶意流量检测具有重要意义遥

关键词院递归神经网曰恶意网流量曰流量识别曰网流量

Abstract:Amaliciousnetworktrafficidentificationandanalysismethodbasedonrecurrentneuralnetworksisproposed.

Firstly,conductsamplingofmaliciousnetworktraffictoensuretheacquisitionofrepresentativemaliciousnetworktrafficda鄄

ta.Subsequently,keyfeaturesusefulforidentifyingmalicioustrafficareextractedfromthesampleddata;Next,utilizing

thesefeatures,amaliciousnetworktrafficclassificationmodelbasedonrecurrentneuralnetworksisestablishedtocapture

temporaldependenciesinmalicioustrafficdata.Finally,anattentionmechanismisintroducedintothemodel,whichallows

themodeltodynamicallyfocusonthepartsthataremostcriticalforidentifyingmaliciousbehaviorwhenprocessingse鄄

quencedata,ignoringirrelevantinformation,andhelpingthemodelmoreaccuratelyidentifymaliciouspatternsorabnormal

behaviorintraffic.

Keywords:recurrentneuralnetwork,maliciousnetworktraffic,trafficidentification,networkflow

恶意网络流量作为网络安全中的一大威胁袁对信息系统和