基于深度神经网络学习的防火墙拦截效能评估
随着防火墙技术的不断发展,云计算、大数据、社交网络、BYOD相继出现,新一代防火墙面临更多挑战,需要不断增大监控力度、提升管理复杂度、迎接未知威胁及性能的挑战.为了提高防火墙拦截效能的评估能力,该文提出了一种基于云特征提取和深度神经网络学习的防火墙拦截能力评估优化方法.使用KDD'99训练集攻击防火墙,测试防火墙的拦截能力[1].云特征提取和本地拦截信息配合深度神经网络建模威胁文件,对防火墙进行未知威胁拦截测试,并利用入侵拦截信息动态评估防火墙的未知威胁拦截情况.实验表明,该模型能有效地评估防火墙拦截的有效性,提高对未知威胁的拦截检测能力.
拦截、深度神经网络、防火墙、网络安全
18
TP393(计算技术、计算机技术)
大学生创新创业训练计划项目S201913656019
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共3页
40-42