结合大数据分析与神经网络的互联网异常入侵行为实时检测.pdfVIP

长，信息通信

DOI:10.20153/j.issn.2096-9759.2024.06.005

结合大数据分析与神经网络的互联网异常入侵行为实时

检测

田晨

中国移动通信集团山东有限公司，山东济南270000

RealTimeDetectionofInternetAbnormalIntrusionBehaviorUsingBigData

AnalysisandNeuralNetworks

TIANChen

ChinaMobileCommunicationsCorporationShandongCo.,Ltd.JinanCity,ShandongProvince270o00

摘要：为了提升网络实时异常入侵行为Abstract:Inordertoimprovetheefficiencyandaccuracyofreal-timeabnormalintrusionbehav-

检测效率和正确率，提出结合大数据分iordetection,areal-timedetectionmethodcombiningbigdataanalysisandneuralnetworkis

析与神经网络的互联网异常入侵行为实proposed.Theintrusionbchaviordetcctionmodelisconstructedbythemethodoflongandshort

时检测方法。通过长短期记忆的方法构termmemory,andthecharacteristicsofreal-timeabnormalintrusionbehavioraremastered.The

建入侵行为检测模型，并掌握网络实时real-timeabnormalintrusionbchaviordetectionisrealizedbydataacquisitionandprocessingof

异常入侵行为的特征，利用大数据分析bigdataanalysistechnology.Throughthesimulationandcomparisontest,itcanbeseenthatthe

技术的数据采集和处理实现网络实时异modelhashighaccuracyandefficiencyofabnormalintrusiondetectionresults,andlesstime,

常入侵行为检测。通过仿真对比测试可andhashigheradvantagescomparedwithothermodels.

知，模型对异常入侵行为检测结果的正KeyWords:Bigdataanalysistechnology;Communicationnetwork;Real-timeabnormalintru-

确率以及检验效率高，并且耗时少，与其sionbehaviordetection;Longshort-termmemorymodel

他的模型相比有较高的优越性。

关键词：大数据分析技术；通信网络；实0引言

时异常入侵行为检测；长短期记忆模型

互联网异常入侵行为会严重干扰互联网系统的正常工作，窃取一些比较关键的数据

信息。所以，要研究出检测该行为的精准方法，且根据检验数据信息的结果设计相应的防

中图分类号：TP393.08御手段[}。叶利军提出了基于大数据分析技术的互联网非法人侵行为智能检测，该方法采

文献标识码：A

用蚁群算法优化最小二乘支持向量机进行网络异常人侵行为检测，其存在无法检测繁琐网

文章编号：2096-9759（2024)06-0016-03