深度学习在僵尸云检测中的应用研究

TP309.5; 僵尸云和正常云服务2种环境下的基本网络流特征差异不明显，导致传统的基于网络流特征分析法在检测僵尸云问题上失效。为此，研究利用深度学习技术解决僵尸云检测问题。首先，从网络流中提取基本特征；然后将其映射为灰度图像；最后利用卷积神经网络算法进行特征学习，提取出更加抽象的特征，用以表达网络流数据中隐藏的模式及结构关系，进而用于检测僵尸云。实验结果表明，该方法不仅能够提高检测的准确度，而且能减少检测所用时间。...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 37; no. 11; pp. 114 - 128
Main Authors 寇广, 汤光明, 王硕, 宋海涛, 边媛
Format Journal Article
LanguageChinese
Published 解放军信息工程大学，河南 郑州 450001 2016
信息保障技术重点实验室，北京 100072%解放军信息工程大学,河南 郑州,450001
Subjects
deep learning
云安全
CNN
卷积神经网络
cloud security
僵尸云
特征
深度学习
BotCloud
network flow
网络流
characteristic
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2016228

Cover

More Information
Summary:TP309.5; 僵尸云和正常云服务2种环境下的基本网络流特征差异不明显，导致传统的基于网络流特征分析法在检测僵尸云问题上失效。为此，研究利用深度学习技术解决僵尸云检测问题。首先，从网络流中提取基本特征；然后将其映射为灰度图像；最后利用卷积神经网络算法进行特征学习，提取出更加抽象的特征，用以表达网络流数据中隐藏的模式及结构关系，进而用于检测僵尸云。实验结果表明，该方法不仅能够提高检测的准确度，而且能减少检测所用时间。
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2016228