人工智能在网络流量分析中的研究与应用

摘  要：

网络流量分析是安全威胁检测的一个重要研究方向。当前流量分析主要采取事件特征信息与特征库匹配的方式，然而该方式存在特征库组织简单和更新不及时的缺点。此外，持续攻击技术更新快，容易规避现有规则，从而导致检测的漏报和误报率较高。为此提出并设计了一种网络流量安全智能分析系统。该系统能够自动学习网络流量的特征，智能地识别出异常并进行深度分析，从而可以准确快速定位问题并提高安全防护能力。

内容目录：

1　AI 在安全领域的应用

2　AI 在安全领域应用的现状

3　AI 在网络流量智能分析中的应用

3.1　系统功能架构

3.2 　系统软件架构

3.3　系统关键技术

3.3.1　基于自学习的网络威胁特征轮廓扫描技术

3.3.2　隐蔽恶意流量检测技术

3.3.3　基于隐马尔科夫的行为序列建模技术

3.3.4　异常登陆行为检测技术

3.3.5　恶意链接检测技术

3.3.6　基于大数据的分布式关联分析技术

4　系统的实现、演示和验证

4.1　演示验证环境

4.2　系统分析模型

4.3 　关键指标验证

5　 应用场景

6 　结　语

伴随着互联网技术与应用的快速发展，网络流量迎来爆炸式增长。安全方面，网络边界模糊给流量监测带来了一定的挑战，同时恶意流量的增加提高了安全防护的难度。近年来，以机器学习为核心的人工智能（Artificial Intelligence，AI）技术在计算机视觉、语音识别、自然语言处理等方面取得了较好的应用效果，展现了机器学习在分类、预测及辅助决策方面的能力优势，也为解决网络空间安全问题带