本文版權(quán)為《郵電設(shè)計技術(shù)》所有，如需轉(zhuǎn)載請聯(lián)系《郵電設(shè)計技術(shù)》編輯部
摘要：圖像異常數(shù)據(jù)作為網(wǎng)絡(luò)安全檢測的核心監(jiān)控對象，面臨著樣本不均衡、數(shù)據(jù)缺乏標(biāo)注以及異常形式多樣化等挑戰(zhàn)，針對這些問題，創(chuàng)新性地提出了自信息量挖掘模塊，旨在學(xué)習(xí)已知類別樣本的數(shù)據(jù)模式；同時提出了三元組信息量學(xué)習(xí)策略，優(yōu)化類別信息學(xué)習(xí)和已知類別的數(shù)據(jù)模式學(xué)習(xí)，最終實現(xiàn)了在網(wǎng)絡(luò)安全防護(hù)場景中對圖像的未知類別樣本的異常檢測。實驗結(jié)果表明，異常檢測算法可以有效提升網(wǎng)絡(luò)安全防護(hù)的準(zhǔn)確性，在實際應(yīng)用中表現(xiàn)出色。
關(guān)鍵詞：深度學(xué)習(xí)；異常檢測；網(wǎng)絡(luò)安全；數(shù)據(jù)模式
doi：10.12045/j.issn.1007-3043.2024.08.005
概述
在數(shù)字化轉(zhuǎn)型的時代浪潮中，網(wǎng)絡(luò)安全已不僅僅是一個技術(shù)問題，更是涉及到國家安全、社會穩(wěn)定、經(jīng)濟(jì)發(fā)展等多方面的戰(zhàn)略性問題。隨著計算機(jī)技術(shù)的不斷發(fā)展和網(wǎng)絡(luò)環(huán)境的日益復(fù)雜多變，傳統(tǒng)的網(wǎng)絡(luò)安全防護(hù)措施難以應(yīng)對層出不窮的網(wǎng)絡(luò)攻擊手段。而隨著深度學(xué)習(xí)技術(shù)的發(fā)展和引入，為網(wǎng)絡(luò)安全領(lǐng)域帶來了革命性的變革。
深度學(xué)習(xí)技術(shù)通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，能夠自動學(xué)習(xí)和提取網(wǎng)絡(luò)數(shù)據(jù)中的復(fù)雜特征，進(jìn)而實現(xiàn)精準(zhǔn)的識別、分類和預(yù)測。深度學(xué)習(xí)還能夠與其他網(wǎng)絡(luò)安全技術(shù)相結(jié)合，形成更加全面的安全防護(hù)體系。例如，可將深度學(xué)習(xí)模型與入侵檢測系統(tǒng)相結(jié)合，實現(xiàn)對網(wǎng)絡(luò)流量的實時分析和監(jiān)控；也可將深度學(xué)習(xí)模型用于用戶行為分析，通過識別異常行為來發(fā)現(xiàn)潛在的安全威脅。這種多層次的安全防護(hù)體系能夠大大提升網(wǎng)絡(luò)安全水平，有效防范各類網(wǎng)絡(luò)攻擊。當(dāng)然，深度學(xué)習(xí)技術(shù)在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用也面臨著一些挑戰(zhàn)，如何有效地收集、處理和分析網(wǎng)絡(luò)安全領(lǐng)域的數(shù)據(jù)，是深度學(xué)習(xí)技術(shù)在網(wǎng)絡(luò)安全領(lǐng)域應(yīng)用的關(guān)鍵。
基于上述現(xiàn)狀和問題，本文提出一種基于異常檢測算法的網(wǎng)絡(luò)安全技術(shù)。該方法使用聚類算法探索樣本相關(guān)性，并提出了自信息量挖掘模塊和三元組信息量學(xué)習(xí)策略，聯(lián)合優(yōu)化類別信息學(xué)習(xí)和已知類別的數(shù)據(jù)模式學(xué)習(xí)。實驗結(jié)果表明，本文算法可以有效檢測未知類別樣本，對于防范異常信息入侵具有較好的效果，對于提高網(wǎng)絡(luò)安全防御能力、網(wǎng)絡(luò)安全響應(yīng)效率和準(zhǔn)確性具有重要意義。
