计算机应用

作者：池亚平, 莫崇维, 杨垠坦, 陈纯霞

单位：1. 北京电子科技学院 网络空间安全系, 北京 100070;2. 西安电子科技大学 通信工程学院, 西安 710071

关键词：入侵检测,卷积神经网络,软件定义网络,网络安全,加强学习

基金：国家重点研发计划项目（2018YFB1004101）。

针对传统入侵检测方法无法检测软件定义网络（SDN）架构的特有攻击行为的问题，设计一种基于卷积神经网络（CNN）的入侵检测模型。首先，基于SDN流表项设计了特征提取方法，通过采集SDN特有攻击样本形成攻击流表数据集；然后，采用CNN进行训练和检测，并针对SDN攻击样本量较小而导致的识别率低的问题，设计了一种基于概率的加强训练方法。实验结果表明，所提的入侵检测模型可以有效检测面向SDN架构的特有攻击，具有较高的准确率，所提的基于概率的加强学习方法能有效提升小概率攻击的识别率。

来源：2020年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第1期