设计应用

基于机器学习的网络入侵检测技术综述

作者：张茜，王晓菲，王亚洲，尚颖，王芳鸣，曾颖明

发布日期：2024-12-25

来源：网络安全与数据治理

引言

随着世界范围内的网络攻击威胁不断加剧，防火墙、密码机等传统被动的安全防护手段已无法完全应对复杂的、动态的、隐蔽的新型未知威胁，亟需网络入侵检测等主动的安全防护手段，发现和阻断来自强敌多样化的网络威胁。网络入侵检测技术可以按照基于数据来源、基于工作方式、基于检测结果、基于检测方法来进行分类，如图1所示。相较于传统的基于模式匹配、专家系统的入侵检测方法，机器学习等智能化模型能够学习数据样本的攻击行为特征或分类、聚类模式，有效提高网络威胁检测的效率和准确率。本文重点介绍和分析基于机器学习的网络入侵检测，分别从基于监督学习、基于无监督学习两个方面进行详细阐述。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006260

作者信息：

张茜，王晓菲，王亚洲，尚颖，王芳鸣，曾颖明

（北京计算机技术及应用研究所，北京100854）

Magazine.Subscription.jpg