域名系统(domain name system,DNS)隐蔽信道是一种利用DNS协议实现数据泄露的网络攻击手段,受到诸多高级持续性威胁(advanced persistent threat,APT)组织的青睐,给网络空间安全带来了严重威胁。针对传统机器学习方法对特征依赖性强、...域名系统(domain name system,DNS)隐蔽信道是一种利用DNS协议实现数据泄露的网络攻击手段,受到诸多高级持续性威胁(advanced persistent threat,APT)组织的青睐,给网络空间安全带来了严重威胁。针对传统机器学习方法对特征依赖性强、误报率高的问题,提出一种融合多通道卷积和注意力网络的DNS隐蔽信道检测算法。该算法基于DNS请求与响应双向流,首先将残差结构和并行卷积相结合,采用不同大小的卷积核提取并融合多尺度特征信息,实现不同感受野特征的捕获;其次引入通道注意力机制增加卷积通道关键信息的提取能力,丰富网络模型的表达能力;最后采用softmax函数实现DNS隐蔽信道的检测。实验结果表明,所提模型能有效检测DNS隐蔽信道,平均准确率、精确率和召回率分别为96.42%、97.82%和96.16%,优于传统方法。展开更多
针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题,提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network,AT-CNN-...针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题,提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network,AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号,得到卫星信号的训练集和测试集;然后将训练集输入构建的训练网络进行特征提取;最后将测试数据输入网络进行预测分析。仿真结果表明,在与其他4种人工智能方法的对比中,所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%),有效地缓解了低轨道卫星信道参数“过时”的现状,对提升卫星通信质量和节省卫星信道资源有良好的改善作用。展开更多
文摘域名系统(domain name system,DNS)隐蔽信道是一种利用DNS协议实现数据泄露的网络攻击手段,受到诸多高级持续性威胁(advanced persistent threat,APT)组织的青睐,给网络空间安全带来了严重威胁。针对传统机器学习方法对特征依赖性强、误报率高的问题,提出一种融合多通道卷积和注意力网络的DNS隐蔽信道检测算法。该算法基于DNS请求与响应双向流,首先将残差结构和并行卷积相结合,采用不同大小的卷积核提取并融合多尺度特征信息,实现不同感受野特征的捕获;其次引入通道注意力机制增加卷积通道关键信息的提取能力,丰富网络模型的表达能力;最后采用softmax函数实现DNS隐蔽信道的检测。实验结果表明,所提模型能有效检测DNS隐蔽信道,平均准确率、精确率和召回率分别为96.42%、97.82%和96.16%,优于传统方法。
文摘针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题,提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network,AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号,得到卫星信号的训练集和测试集;然后将训练集输入构建的训练网络进行特征提取;最后将测试数据输入网络进行预测分析。仿真结果表明,在与其他4种人工智能方法的对比中,所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%),有效地缓解了低轨道卫星信道参数“过时”的现状,对提升卫星通信质量和节省卫星信道资源有良好的改善作用。
