文献类型：期刊文章

作　　者：池亚平[1] 余宇舟[1] 杨建喜[1]

CHI Ya-ping;YU Yu-zhou;YANG Jian-xi(Network Space Security Department,Beijing Electronics Science and Technology Institute,Beijing 100070,China)

机构地区：[1]北京电子科技学院网络空间安全系

出　　处：《计算机工程与设计》

基　　金：国家发改委信息安全专项基金项目(发改办高技[2015]289号);国家863高技术研究发展计划基金项目(2015AA017202);国家重点研发计划基金项目(2018YF1004101)

年　　份：2019

卷　　号：40

期　　号：8

起止页码：2134-2139

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：SDN(软件定义网络)核心技术是通过将网络设备控制层与数据转发层分离,实现网络流量的灵活控制。目前针对SDN网络架构的恶意应用研究还较少。针对这一问题,在总结分析现有恶意应用检测方法的基础上,基于深度学习技术提出一种面向SDN恶意应用的检测方法,将恶意应用转化为图片,在TensorFlow深度学习框架下对32个SDN恶意样本进行学习和检测,实验数据表明,该方法对恶意应用检测率可以达到89%,验证了方案的可行性。

关 键 词：软件定义网络  恶意应用  检测方法  图片 深度学习  

分 类 号：TP311.1]