惡意流量檢測(cè)模型設(shè)計(jì)與實(shí)現(xiàn)

摘要： 隨著網(wǎng)絡(luò)攻擊手段的日益精進(jìn)和多樣化,傳統(tǒng)安全防護(hù)面臨準(zhǔn)確識(shí)別惡意流量困難的挑戰(zhàn)。文章針對(duì)惡意流量檢測(cè)中常見的無(wú)效特征眾多、數(shù)據(jù)不平衡以及攻擊手段復(fù)雜化等問題,開發(fā)了一種較高效的檢測(cè)方法。首先,文章提出一種數(shù)據(jù)清洗和均衡化方法,能夠提升流量特征數(shù)據(jù)的質(zhì)量和有效性；然后,文章結(jié)合簡(jiǎn)單循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network,RNN）與多頭注意力機(jī)制,使檢測(cè)模型... （共14頁(yè)）