基于机器学习的网络异常检测及安全威胁等级预测研究
互联网的飞速发展给人们的生活带来便利的同时,也给网络攻击者提供了良好的环境.网络安全问题不仅关乎民生,也关乎国家安全,因此,网络安全问题引起了中央高度重视.为此,学者们提出了很多应对网络安全攻击和网络异常检测的方法,其中机器学习算法占据重要地位.该文采用多种机器学习方法,首先对数据集KDD99进行网络异常检测,并预测其攻击类型,再对国家电网金华供电公司网络数据进行网络攻击威胁预测及等级分类.研究发现采用决策树算法预测准确度最高,同时运行时间也短,此外,研究揭示KDD99数据集中U2R攻击类型容易被预测为正常类型.该研究为降低误报率和提高网络安全性能的系统设计提供参考.
网络安全;异常检测;安全威胁等级分类;机器学习;国家电网
17
TP393(计算技术、计算机技术)
国家自然科学基金;浙江省哲学社会科学规划重点项目
2022-03-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
10-12,18