基于神经网络的算法:各种经典神经网络及其改进网络,如GAN、LSTM、CNN、BP、BiLSTM等。
在数据准备、预测模型建立过程中,时常将传统的机器学习算法和神经网络算法相结合以达到更准确的检测。
此外,随着人工智能技术的发展,安全行业大模型SecLLM(security Large Language Model)应运而生,可应用于代码漏洞挖掘、安全智能问答、多源情报整合、勒索情报挖掘、安全评估、安全事件研判等场景,具体请查看网络安全行业大模型调研总结-CSDN博客。
参考文献:
1、基于异常检测的网络安全攻击预警
链接:
介绍:异常检测技术是指通过对系统、软件、网络等进行分析,找出其中存在的异常行为或异常事件,从而发现潜在的安全威胁。
算法:基于规则、统计学、机器学习、异常值的异常检测技术
流程:数据采集和预处理–特征提取(数据包大小/协议类型/源IP地址等)–机器学习建模(SVM/朴素贝叶斯/神经网络算法)–异常检测和预警
2、网络安全态势感知综述(2022)
链接:网络安全态势感知综述-龚俭 , 臧小东 , 苏琪 , 胡晓艳 , 徐杰.pdf - 墨天轮文档
算法:层次分析法(AHP)、博弈论、SVM、遗传算法、神经网络(GAN、LSTM、CNN、BP等),迁移学习、多种算法融合
3、网络安全态势评估与预测关键技术研究(2023)
链接:
算法:模糊矩阵博弈、SVM、RBP神经网络、AHP、DS证据理论、隐马尔可夫模型、贝叶斯、LSTM等
4、基于自适应阈值的DDoS攻击态势预警模型(2020)
算法:基于长短时记忆(LSTM)网络算法
流程:提取IP数据包统计特征–基于LSTM预测模型建模–动态计算预警阈值和预警区间–基于预警阈值和预警区间设定态势预警级别。
5、基于改进LSTM方法的安全态势感知模型研究(2021)
链接:
算法:改进的LSTM算法
6、基于机器学习的网络安全态势感知(2020)
链接:https://pdf.hanspub.org/CSA20201200000_25359476.pdf
算法:聚类算法,马尔可夫链模型
7、一种深度学习的网络安全态势评估方法(2021)
算法:深度学习-深度自编码器
8、多模态特征融合的网络安全态势评估(2020)
算法:径向基神经网络
9、基于DSCNN-BiLSTM的入侵检测方法(2021)
链接:文献助手-短链接
算法:主成分分析法(PCA)、深度可分离神经网络(DSCNNC)、双向长短期记忆网络(BiLSTM)
10、基于人工智能的网络安全预测模型构建
链接:
给大家的福利
零基础入门
对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。
同时每个成长路线对应的板块都有配套的视频提供:
因篇幅有限,仅展示部分资料
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!