基于无监督多源数据特征解析的网络威胁态势评估

摘要：

针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法.首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络(V-G),将只包含正常网络流量的训练数据集输入V-G的网络集合层进行模型训练,并计算各层网络输出的重构误差.然后,通过输出层的三层变分自动编码器重构误差学习并获取训练异常阈值,使用包含异常网络流量的测试数据集测试分组威胁并统计每组测试的威胁发生概率.最后,根据威胁发生概率确定网络安全威胁严重度,结合威胁影响度计算威胁态势值以获取网络威胁态势.仿真实验结果表明,所提方法对网络威胁具有较强的表征能力,能够有效直观地评估网络威胁的整体态势.

关键词：无监督、多源数据特征解析、变分自动编码器-生成式对抗网络、威胁发生概率、威胁态势评估

所属期刊栏目：41

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金民航联合研究基金资助项目No.U1833107

在线出版日期：2020-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：143-154