摘要
由于网络技术迅速发展,攻击成本低廉而与安全相关的产品却十分缺乏或落后,导致近年来安全问题频出。如何从海量的流量中检测出攻击威胁成了一种迫切需要而又困难重重的问题。恰逢机器学习的兴起,当下的硬件性能等条件可被满足的前提下,利用机器学习来判断数据报文是否恶意,成了一种理论上可行的方案。本篇包括流量特征的提取和相关机器学习算法的介绍,根据日常捕获的流量来提取相关的特征,再经由机器学习模型的判断,可迅速判断其是否具有威胁性。经过使用测试集对机器学习的模型进行评估,其准确率可以达到99%。
引文
[1]陈春玲,吴凡,余瀚.基于逻辑斯蒂回归的恶意请求分类识别模型[J].计算机技术与发展,2019,29(02):124-128.
[2]王展鹏,吴红光,马蓓娇,周梦甜,张曼雨,周驰航.基于机器学习的工业物联网入侵检测技术研究[J].智能物联技术,2018,1(02):13-17.
[3]戴梦杰,罗颖,刘真岩,彭夕茈,张金全.用机器学习方法检测基于PHP的web shell进展回顾[J].网络安全技术与应用,2019(05):34-35.
[4]王展鹏,吴红光,马蓓娇,周梦甜,张曼雨,周驰航.基于机器学习的工业物联网入侵检测技术研究[J].智能物联技术,2018,1(02):13-17.
[5]刘阚蓉,李丹,裴梦迪,张家熹.机器学习算法在网络入侵检测中的应用综述[J].赤峰学院学报(自然科学版),2018,34(12):44-46.
[6]席海龙,刘海燕,张钰.应用于入侵检测的机器学习现状与发展分析[J].价值工程,2018,37(34):269-272.
[7]V.Kanimozhi,T.Prem Jacob.Artificial Intelligence based Network Intrusion Detection with hyper-parameter optimization tuning on the realistic cyber dataset CSE-CIC-IDS2018 using cloud computing[J].ICT Express,2019.