基于数据处理方法提升深度学习模型在网络攻击检测的准确率研究
作 者：
张之群；苏华吉；方俞惠；李建兰
摘 要：
随着现代社会网络的普及和发展，网络已成为人们生活和工作中不可或缺的一部分，我们对于网络的依赖日益增长。然而，随之而来的是网络攻击事件的日益增多。这些网络攻击具有多样化的特性，涵盖了各种形式的攻击方式，如网页应用攻击 (Web Application attack)、数据注入 (SQL injection) 和阻断服务 (DoS) 等。为了应对这些威胁，本文将采用 NetFlow 作为流量分析工具，旨在收集多种攻击形式的流量。通过收集这些攻击的流量数据，本文将结合卷积神经网络 (Convolutional Neural Network，CNN) 模型来进行攻击的分类和识别。通过将一维数据转二维图片的方式作为数据前处理，再送入训练模型，本文希望能够准确地分辨不同种的攻击，以便更好地保护网络安全。
来 源：
《信息产业报道》 2024-12