发表服务
密流量已成为恶意软件检测识别中的一个重要研究热点。已有针对明文HTTP流量的恶意流量检测方法,如基于签名的方法[2-4]和基于语义特征的方法[5-6],分析了恶意流量在HTTP请求头部的签名信息和分割单词的语义特征,发现恶意流量并对恶意流量进行
引用本文.翟明芳,张兴明,赵博.基于深度学习的加密恶意流量检测研究[J].网络与信息安全学报,2020,6(3):66-77.MingfangZHAI,XingmingZHANG,BoZHAO.Surveyofencryptedmalicioustrafficdetectionbasedondeeplearning[J].ChineseJournalofNetworkandInformationSecurity,2020,6…
博士论文开题报告—《面向软件定义网络的恶意流量防御关键技术研究》信息工程大学研究生学位论文自评表第1-6页学位论文创新点与发表学术论文对应情况表
特征选择参考了多篇加密恶意流量检测的研究论文，我们初步确定了以下四类需要提取的Features，包括TLS客户端指纹信息、数据包元数据、HTTP头部信息和DNS响应信息。TLSclientfingerprinting：在进行TLS握手时，会进行如下几个步骤：
基于深度学习的加密恶意流量检测研究-随着网络安全防范意识增强,加密通信占据主流,加密流量快速增长。流量加密在保护隐私的同时,也掩饰非法企图,改变威胁形式。深度学习作为机器学习领域的重要分支,是流量分类的有力工具。近年...
基于深度学习的恶意流量检测seminar@zoom,TsinghuaUniversity,BeijingPresenters:ShuqiangLu,EnnanZheng.Date:15:30-16:30pmMay14,2020Abstract:基于深度学习的恶意流量检测综述。SlidesShareonTwitterFacebookLinkedInPreviousNext
魏峥.【摘要】：基于网络流量的恶意事件攻击检测主要针对互联网环境下产生的网络流量包括DNS流量以及NETFLOW网络流,经过对数据的统计分析和挖掘,发现已有的攻击事件。.攻击事件包括DDOS攻击和僵尸网络两大类。.DDOS攻击细分为三种类型:针对域名的DDOS攻击...
网络流量异常和主机恶意代码传播是目前主要的网络安全威胁,也是网络安全监测的关键对象。实现对网络异常流量快速准确发现,对恶意代码及时准确捕获、分析、与监测,可以为网络安全态势指标评估和免疫决策提供知识支撑,从而提高网络安全应急组织的整体响应能力。
基于深度学习的加密恶意流量检测研究.翟明芳张兴明赵博.【摘要】：随着网络安全防范意识增强,加密通信占据主流,加密流量快速增长。.流量加密在保护隐私的同时,也掩饰非法企图,改变威胁形式。.深度学习作为机器学习领域的重要分支,是流量分类的有力...
结合多特征识别的恶意加密流量检测方法李慧慧;张士庚;宋虹;王伟平随着加密流量的广泛使用,越来越多恶意软件也利用加密流量来传输恶意信息,由于其传输内容不可见,传统的基于深度包分析的检测方法带来精度下降和实时性不足等问题。
密流量已成为恶意软件检测识别中的一个重要研究热点。已有针对明文HTTP流量的恶意流量检测方法,如基于签名的方法[2-4]和基于语义特征的方法[5-6],分析了恶意流量在HTTP请求头部的签名信息和分割单词的语义特征,发现恶意流量并对恶意流量进行
引用本文.翟明芳,张兴明,赵博.基于深度学习的加密恶意流量检测研究[J].网络与信息安全学报,2020,6(3):66-77.MingfangZHAI,XingmingZHANG,BoZHAO.Surveyofencryptedmalicioustrafficdetectionbasedondeeplearning[J].ChineseJournalofNetworkandInformationSecurity,2020,6…
博士论文开题报告—《面向软件定义网络的恶意流量防御关键技术研究》信息工程大学研究生学位论文自评表第1-6页学位论文创新点与发表学术论文对应情况表
特征选择参考了多篇加密恶意流量检测的研究论文，我们初步确定了以下四类需要提取的Features，包括TLS客户端指纹信息、数据包元数据、HTTP头部信息和DNS响应信息。TLSclientfingerprinting：在进行TLS握手时，会进行如下几个步骤：
基于深度学习的加密恶意流量检测研究-随着网络安全防范意识增强,加密通信占据主流,加密流量快速增长。流量加密在保护隐私的同时,也掩饰非法企图,改变威胁形式。深度学习作为机器学习领域的重要分支,是流量分类的有力工具。近年...
基于深度学习的恶意流量检测seminar@zoom,TsinghuaUniversity,BeijingPresenters:ShuqiangLu,EnnanZheng.Date:15:30-16:30pmMay14,2020Abstract:基于深度学习的恶意流量检测综述。SlidesShareonTwitterFacebookLinkedInPreviousNext
魏峥.【摘要】：基于网络流量的恶意事件攻击检测主要针对互联网环境下产生的网络流量包括DNS流量以及NETFLOW网络流,经过对数据的统计分析和挖掘,发现已有的攻击事件。.攻击事件包括DDOS攻击和僵尸网络两大类。.DDOS攻击细分为三种类型:针对域名的DDOS攻击...
网络流量异常和主机恶意代码传播是目前主要的网络安全威胁,也是网络安全监测的关键对象。实现对网络异常流量快速准确发现,对恶意代码及时准确捕获、分析、与监测,可以为网络安全态势指标评估和免疫决策提供知识支撑,从而提高网络安全应急组织的整体响应能力。
基于深度学习的加密恶意流量检测研究.翟明芳张兴明赵博.【摘要】：随着网络安全防范意识增强,加密通信占据主流,加密流量快速增长。.流量加密在保护隐私的同时,也掩饰非法企图,改变威胁形式。.深度学习作为机器学习领域的重要分支,是流量分类的有力...
结合多特征识别的恶意加密流量检测方法李慧慧;张士庚;宋虹;王伟平随着加密流量的广泛使用,越来越多恶意软件也利用加密流量来传输恶意信息,由于其传输内容不可见,传统的基于深度包分析的检测方法带来精度下降和实时性不足等问题。
发表服务