10.11772/j.issn.1001-9081.2019061125
面向软件定义网络架构的入侵检测模型设计与实现
针对传统入侵检测方法无法检测软件定义网络(SDN)架构的特有攻击行为的问题,设计一种基于卷积神经网络(CNN)的入侵检测模型.首先,基于SDN流表项设计了特征提取方法,通过采集SDN特有攻击样本形成攻击流表数据集;然后,采用CNN进行训练和检测,并针对SDN攻击样本量较小而导致的识别率低的问题,设计了一种基于概率的加强训练方法.实验结果表明,所提的入侵检测模型可以有效检测面向SDN架构的特有攻击,具有较高的准确率,所提的基于概率的加强学习方法能有效提升小概率攻击的识别率.
入侵检测、卷积神经网络、软件定义网络、网络安全、加强学习
40
TP311(计算技术、计算机技术)
国家重点研发计划项目2018YFB1004101
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
116-122