文献类型：期刊文章

作　　者：池亚平[1,2] 莫崇维[1,2] 杨垠坦[1] 陈纯霞[2]

CHI Yaping;MO Chongwei;YANG Yintan;CHEN Chunxia(Department of Cyberspace Security,Beijing Electronic Science and Technology Institute,Beijing 100070,China;College of Communication Engineering,Xidian University,Xian Shaanxi 710071,China)

机构地区：[1]西安电子科技大学通信工程学院,西安710071 [2]北京电子科技学院网络空间安全系,北京100070

出　　处：《计算机应用》

基　　金：国家重点研发计划项目(2018YFB1004101)~~

年　　份：2020

卷　　号：40

期　　号：1

起止页码：116-122

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：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。

关 键 词：入侵检测 卷积神经网络 软件定义网络  网络安全 加强学习  

分 类 号：TP311]