论文部分内容阅读
基于人工智能的网络异常行为分析
【摘 要】
：
网络技术和互联网的发展和普及,使得网络中的Web服务器随处可见,人们可以通过浏览各种各样的Web网站进行购物或支付生活消费,给生活带来了很大的便利,但是随之而来的网络安全问题层出不穷。对Web服务器的攻击是安全领域最严重的威胁之一。Web服务器具有远程访问和大量安全漏洞等特点,黑客可以利用这些漏洞破坏Web服务器,从数据中收集机密信息,甚至中断或完全瘫痪Web服务器。由于Web日志记录了用户访问网
【出 处】
：
北京邮电大学
【发表日期】
：
2019年01期
其他文献
恶意软件和高级持续性攻击(APTs)的出现要求安全专家从开源数据中实时分析、检测网络威胁,并将其转换成可读的威胁情报以帮助安全分析员尽早的快速响应及抵御新兴网络威胁。然而通过人力从大量开源无结构文本数据中识别网络威胁是不可能的。由于这些原因,我们需要多维度的知识发现和数据挖掘方法帮助我们系统的提高和理解网络数据威胁。网络威胁检测首先从多源安全数据中抽取威胁相关信息,然后通过数据关联方法综合这些信息
学位
随着网络的发展,越来越多的政府、企业和组织部署了局域网,以方便日常的办公与生活。同时,网络攻击者也在不断提升攻击技术,使得网络异常行为时有发生。为了维护局域网的安全与稳定,必须及时发现异常行为及异常类型。由于局域网的汇聚节点是内网用户连接外网的重要路径节点之一,该节点上采集的流量包含了丰富的用户行为信息,在研究网络异常方面具有非常重要的价值。此外,汇聚节点的运行速度关系到内网网络的服务速度,并且汇
学位
随着互联网的不断发展,人们对互联网的依赖日益增强,人们在享受互联网便利的同时,也受到譬如比特币病毒勒索事件等网络安全事件的威胁,因此人们的安全和经济财产都受到重大影响。为减少网络安全事件带给人们的影响,网络评估中的渗透测试手段成了评估网络系统安全最有效的方式之一。渗透测试在国内起步比较晚,对测试人员的要求也比较高,现有的渗透测试工具和平台虽然种类很多,但是大部分工具和平台功能单一、效果不佳、自动化
学位