随着网络技术的飞速发展,恶意加密流量已成为网络安全领域的重要威胁。恶意加密流量通过加密技术对恶意数据进行封装,使其难以被传统检测方法识别和拦截。提出一种基于长短期记忆网络(LSTM)和Kolmogorov Arnold Networks(KAN)的恶意加...随着网络技术的飞速发展,恶意加密流量已成为网络安全领域的重要威胁。恶意加密流量通过加密技术对恶意数据进行封装,使其难以被传统检测方法识别和拦截。提出一种基于长短期记忆网络(LSTM)和Kolmogorov Arnold Networks(KAN)的恶意加密流量检测模型——LKAN模型。LSTM能有效捕捉流量数据的时序特征,KAN是一种基于函数分解理论的神经网络,能够高效地学习高维数据的复杂结构,LKAN模型结合LSTM和KAN的优势,进行特征提取和分类,实现了对恶意加密流量的准确识别。利用提出的LKAN模型在ISCX-VPN-NonVPN-2016数据集进行多分类实验,准确率为0.982591,表明了模型的有效性,为恶意加密流量检测方法设计提供了一种新思路。展开更多
根据仿生学原理,模拟生物系统的免疫机理,设计了计算机系统安全模型GECISM(GEneral Computer Immune System Model )。GECISM的NFA(Non-deterministic Finite Automaton )模型精确定义了GECISM的属性和特征,为GECISM的性能分析、系统测...根据仿生学原理,模拟生物系统的免疫机理,设计了计算机系统安全模型GECISM(GEneral Computer Immune System Model )。GECISM的NFA(Non-deterministic Finite Automaton )模型精确定义了GECISM的属性和特征,为GECISM的性能分析、系统测试提供了理论 基础。展开更多
文摘随着网络技术的飞速发展,恶意加密流量已成为网络安全领域的重要威胁。恶意加密流量通过加密技术对恶意数据进行封装,使其难以被传统检测方法识别和拦截。提出一种基于长短期记忆网络(LSTM)和Kolmogorov Arnold Networks(KAN)的恶意加密流量检测模型——LKAN模型。LSTM能有效捕捉流量数据的时序特征,KAN是一种基于函数分解理论的神经网络,能够高效地学习高维数据的复杂结构,LKAN模型结合LSTM和KAN的优势,进行特征提取和分类,实现了对恶意加密流量的准确识别。利用提出的LKAN模型在ISCX-VPN-NonVPN-2016数据集进行多分类实验,准确率为0.982591,表明了模型的有效性,为恶意加密流量检测方法设计提供了一种新思路。
文摘根据仿生学原理,模拟生物系统的免疫机理,设计了计算机系统安全模型GECISM(GEneral Computer Immune System Model )。GECISM的NFA(Non-deterministic Finite Automaton )模型精确定义了GECISM的属性和特征,为GECISM的性能分析、系统测试提供了理论 基础。
