期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Attention-1DCNN-CE的加密流量分类方法
1
作者
耿海军
董赟
+3 位作者
胡治国
池浩田
杨静
尹霞
《计算机应用》
北大核心
2025年第3期872-882,共11页
针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段...
针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段,保留原始数据流中数据包间的空间关系,并根据样本分布构建成本敏感矩阵;2)在初步提取加密流量特征的基础上,利用Attention和1DCNN模型深入挖掘并压缩流量的全局与局部特征;3)针对数据不平衡这一挑战,通过结合成本敏感矩阵与交叉熵(CE)损失函数,显著提升少数类别样本的分类精度,进而优化模型的整体性能。实验结果表明,在BOT-IOT和TON-IOT数据集上该模型的整体识别准确率高达97%以上;并且该模型在公共数据集ISCX-VPN和USTC-TFC上表现优异,在不需要预训练的前提下,达到了与ET-BERT(Encrypted Traffic BERT)相近的性能;相较于PERT(Payload Encoding Representation from Transformer),该模型在ISCX-VPN数据集的应用类型检测中的F1分数提升了29.9个百分点。以上验证了该模型的有效性,为加密流量识别和恶意流量检测提供了解决方案。
展开更多
关键词
网络安全
加密流量
注意力机制
一维卷积神经网络
数据不平衡
成本敏感矩阵
在线阅读
下载PDF
职称材料
基于EMO-GAN的恶意URL检测框架
2
作者
耿海军
蔚超
+3 位作者
胡治国
郭小英
池浩田
杨静
《计算机应用研究》
北大核心
2025年第2期582-591,共10页
随着万维网的广泛应用和网络威胁的日益严峻,统一资源定位符(uniform resource locator,URL)的安全性成为了网络安全领域的研究热点,如何有效检测并防范恶意URL已经成为了业内非常关注的问题。针对恶意URL检测中存在的数据获取困难、特...
随着万维网的广泛应用和网络威胁的日益严峻,统一资源定位符(uniform resource locator,URL)的安全性成为了网络安全领域的研究热点,如何有效检测并防范恶意URL已经成为了业内非常关注的问题。针对恶意URL检测中存在的数据获取困难、特征表示不足以及模型概念漂移挑战,提出了一种基于EMO-GAN的恶意URL检测框架(EMO-GAN-based malicious URL detection framework,EMO-GANUDF)。该框架通过结合极度随机树(extremely randomized trees,ET)和边缘生成对抗网络(margin generative adversarial network,MarginGAN)进行半监督学习,有效解决了数据获取困难问题。在特征提取上,该框架提出了一种综合统计、字符和词汇特征的特征表示方法,实现了URL的高效特征表示。此外,为了应对模型概念漂移问题,该框架提出了一种支持在线学习(online learning)的分类器,增强了模型拓展性和适应性。在多个数据集和不同检测方法上进行对比实验,所提方法在Malicious URLs公开数据集上达到了99%的准确率和84%的F 1分数,较其他检测方法取得了更好的效果,证明了其有效性及优越性。
展开更多
关键词
恶意URL
极度随机树
半监督学习
生成对抗网络
在线学习
在线阅读
下载PDF
职称材料
题名
基于Attention-1DCNN-CE的加密流量分类方法
1
作者
耿海军
董赟
胡治国
池浩田
杨静
尹霞
机构
山西
大学自动化与软件学院
山西清众科技股份有限公司
山西
大学计算机与信息技术学院
嵌入式系统与服务计算教育部重点实验室(同济大学)
清华大学计算机科学与技术系
出处
《计算机应用》
北大核心
2025年第3期872-882,共11页
基金
国家自然科学基金资助项目(62472267)
山西省应用基础研究计划项目(20210302123444)。
文摘
针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段,保留原始数据流中数据包间的空间关系,并根据样本分布构建成本敏感矩阵;2)在初步提取加密流量特征的基础上,利用Attention和1DCNN模型深入挖掘并压缩流量的全局与局部特征;3)针对数据不平衡这一挑战,通过结合成本敏感矩阵与交叉熵(CE)损失函数,显著提升少数类别样本的分类精度,进而优化模型的整体性能。实验结果表明,在BOT-IOT和TON-IOT数据集上该模型的整体识别准确率高达97%以上;并且该模型在公共数据集ISCX-VPN和USTC-TFC上表现优异,在不需要预训练的前提下,达到了与ET-BERT(Encrypted Traffic BERT)相近的性能;相较于PERT(Payload Encoding Representation from Transformer),该模型在ISCX-VPN数据集的应用类型检测中的F1分数提升了29.9个百分点。以上验证了该模型的有效性,为加密流量识别和恶意流量检测提供了解决方案。
关键词
网络安全
加密流量
注意力机制
一维卷积神经网络
数据不平衡
成本敏感矩阵
Keywords
cybersecurity
encrypted traffic
Attention mechanism(Attention)
one-Dimensional Convolutional Neural Network(1DCNN)
data imbalance
cost-sensitive matrix
分类号
TP393.06 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于EMO-GAN的恶意URL检测框架
2
作者
耿海军
蔚超
胡治国
郭小英
池浩田
杨静
机构
山西
大学自动化与软件学院
山西
大学计算机与信息技术学院
山西清众科技股份有限公司
出处
《计算机应用研究》
北大核心
2025年第2期582-591,共10页
基金
国家自然科学基金资助项目(62472267)
山西省应用基础研究计划资助项目(20210302123444,20210302123455)
+4 种基金
中国高校产学研创新基金资助项目(2021FNA02009)
国家自然科学基金资助项目(61702315,61906115,62472267)
同济大学嵌入式系统与服务计算教育部重点实验室开放课题(ESSCKF2021-04)
山西省重点研发计划资助项目(201903D421003)
国家重点研发计划资助项目(2018YFB1800401)。
文摘
随着万维网的广泛应用和网络威胁的日益严峻,统一资源定位符(uniform resource locator,URL)的安全性成为了网络安全领域的研究热点,如何有效检测并防范恶意URL已经成为了业内非常关注的问题。针对恶意URL检测中存在的数据获取困难、特征表示不足以及模型概念漂移挑战,提出了一种基于EMO-GAN的恶意URL检测框架(EMO-GAN-based malicious URL detection framework,EMO-GANUDF)。该框架通过结合极度随机树(extremely randomized trees,ET)和边缘生成对抗网络(margin generative adversarial network,MarginGAN)进行半监督学习,有效解决了数据获取困难问题。在特征提取上,该框架提出了一种综合统计、字符和词汇特征的特征表示方法,实现了URL的高效特征表示。此外,为了应对模型概念漂移问题,该框架提出了一种支持在线学习(online learning)的分类器,增强了模型拓展性和适应性。在多个数据集和不同检测方法上进行对比实验,所提方法在Malicious URLs公开数据集上达到了99%的准确率和84%的F 1分数,较其他检测方法取得了更好的效果,证明了其有效性及优越性。
关键词
恶意URL
极度随机树
半监督学习
生成对抗网络
在线学习
Keywords
malicious URL
extremely randomized trees
semi-supervised learning
GAN
online learning
分类号
TP393.0 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Attention-1DCNN-CE的加密流量分类方法
耿海军
董赟
胡治国
池浩田
杨静
尹霞
《计算机应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于EMO-GAN的恶意URL检测框架
耿海军
蔚超
胡治国
郭小英
池浩田
杨静
《计算机应用研究》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
