《電子技術應用》
您所在的位置:首頁 > 通信與網絡 > 設計應用 > 海量數據下的網絡安全智能檢測技術研究
海量數據下的網絡安全智能檢測技術研究
網絡安全與數據治理
徐光亮,宿興華,趙斯昂
61062部隊
摘要: 系統(tǒng)遷移上云、海量數據積累、智能技術應用等發(fā)展趨勢給網絡安全,特別是智能檢測領域帶來了諸多機遇和挑戰(zhàn)。基于網絡安全智能檢測和隱蔽通信技術研究現狀,從海量數據下的網絡安全智能檢測視角,提出了從數據采集到數據應用的五層框架和特征統(tǒng)計度量、分類模型算法等關鍵技術。在對網絡隱蔽通信檢測技術進行研究論述和討論分析后,提出通過特征統(tǒng)計指標來評估數據流間的規(guī)律性、擬合度及相關性,設計了基于支持向量機(Support Vector Machine,SVM)的分類模型,并以分類特征向量為輸入訓練SVM分類器,實現對隱蔽通信的智能檢測。
中圖分類號:TP393.0;TP309文獻標識碼:ADOI:10.19358/j.issn.2097-1788.2025.04.005
引用格式:徐光亮,宿興華,趙斯昂. 海量數據下的網絡安全智能檢測技術研究[J].網絡安全與數據治理,2025,44(4):32-39.
Cyber security intelligent detection technology under massive data
Xu Guangliang, Su Xinghua, Zhao Siang
Unit 61062
Abstract: Development trends such as system migration to the cloud, massive data accumulation, and intelligent technology applications have brought many opportunities and challenges to cyber security, especially in the field of intelligent detection. Based on the research status of network security intelligent detection and covert communication technology, this paper proposes a 5-layer framework from data collection to data application, and key technologies such as feature statistical measurement and classification model algorithm from the perspective of network security intelligent detection under massive data. After researching and discussing the detection technology of network covert communication, this paper proposes to evaluate the regularity, fitting degree and correlation between data streams through characteristics statistics index, and designes a classification model based on support vector machine (SVM). The SVM classifier is trained with classification feature vector as input to realize the intelligent detection of covert communication.
Key words : cyber security; SVM; feature vectors; covert communication

引言

隨著信息通信技術的飛速發(fā)展,特別是高速互聯(lián)網絡、5G網絡和物聯(lián)網的飛速發(fā)展,網絡信息已成為國家軍事、政治和經濟發(fā)展中的重要戰(zhàn)略資源。以信息技術、海量數據和人工智能為核心的新技術革命,使得以網絡為指揮工具和攻擊武器成為必然[1]。隨著技術發(fā)展,網絡信息流量的獲取變得更加容易,給網絡安全帶來了機遇和挑戰(zhàn),國家級網絡沖突愈演愈烈。

當前網絡安全領域,正在面臨多種挑戰(zhàn)。作為信息泄露的主要方法之一,隱蔽通信利用并非用于通信的公開資源(如協(xié)議包頭或時序流信息)來傳輸秘密信息,通過將原始數據或加密后的信息編碼嵌入到第三方載體從而實現隱蔽傳輸的目的[2]。在萬物上云大背景下,很多業(yè)務系統(tǒng)已經上云或逐漸向云端遷移,云計算通過各種網絡提供多種服務,有很多共享資源可用于隱蔽信道的構建[3-5],如網絡、CPU 負載、二級緩存、內存、內存總線和硬盤,這些共享資源也存在巨大安全隱患。

隨著計算能力的提升、計算成本的下降、存儲成本的可控以及海量數據的積累,以機器學習為代表的人工智能技術蓬勃興起。目前機器學習技術已經在網絡安全領域得到諸多應用,如垃圾郵件過濾、入侵檢測、宏觀網絡預警等,特別是監(jiān)督學習技術,基于其在海量數據的分類和行為預判上表現突出,已在網絡安全領域實現與傳統(tǒng)的入侵檢測技術相結合,對網絡行為進行自學習和分類預測,成為目前解決大數據環(huán)境下網絡安全檢測和預測的一個重要發(fā)展方向。

本文從大數據背景下的網絡安全智能檢測視角切入,聚焦于網絡隱蔽通信行為檢測,研究基于支持向量機(Support Vector Machine,SVM)的監(jiān)督學習智能檢測模型,探索此類方法在網絡安全檢測領域的應用。


本文詳細內容請下載:

http://m.viuna.cn/resource/share/2000006410


作者信息:

徐光亮,宿興華,趙斯昂

(61062部隊,北京 100091)


Magazine.Subscription.jpg

此內容為AET網站原創(chuàng),未經授權禁止轉載。
主站蜘蛛池模板: 日本国内一区二区三区 | www精品| 午夜免费福利影院 | 国产99在线a视频 | 特级淫片波多野结衣 | japanese黑人极品高清 | 国产特黄特色一级特色大片 | 夜夜精品视频一区二区 | 禁止十八成人无限免费观看网站 | 午夜湿 | 成人小视频在线观看 | 久久剧场| 国产已拍视频 | 精品在线小视频 | 欧美人成在线观看 | 亚洲地址一地址二地址三 | 国产精品视频福利一区二区 | 亚洲日本一区二区三区在线不卡 | 97人操| 久久免费精品高清麻豆 | 黄网在线观看免费 | 曰皮全部过程视频免费高清 | 欧美片欧美日韩国产综合片 | 久久激情综合色丁香 | 亚洲 欧美 激情 另类 自拍 | 草草影院在线观看视频 | 亚洲精品另类有吗中文字幕 | 国产精品视频无圣光一区 | 国产短视频精品一区二区三区 | 97色噜噜刺激有声小说 | 国产黄色一级 | 久久精品vr中文字幕 | 性大毛片视频 | 成人国产网站 | 成人午夜视频在线播放 | 免费 黄 色 人成 视频 | 免费观看呢日本天堂视频 | 亚洲欧美日韩高清综合678 | 日韩毛片在线影视 | 中文字幕日本在线mv视频精品 | 嗯啊视频在线 |