基于卷积神经网络的互联网流量异常检测研究
期刊: 《社会发展与科技创新》 DOI:10.64649/yh.shfzykjcx.2025050001 PDF下载
摘要
随着蓝牙技术的广泛应用，其网络流量日益增大，安全问题日益凸显。传统的异常检测方法在处理复杂、高维网络数据时存在效率低、依赖人工特征提取等局限性。本文提出一种基于卷积神经网络（CNN）的蓝牙网络异常检测模型。首先，利用随机森林算法对网络流量特征进行重要性评估与筛选，排除IP地址、端口等易误导模型的属性；随后，基于公开数据集ISCX-IDS-2012进行数据预处理，将原始流量划分为统一长度的数据流；最后，构建包含四个卷积层、一个池化层和一个全连接层的CNN模型进行训练与验证。实验结果表明，该模型在准确率和损失率方面均随迭代趋于稳定，验证了CNN在蓝牙网络异常检测中的有效性与可行性。
关键词
网络异常检测；蓝牙网络；卷积神经网络
参考文献
[1]吴迪锋,孙昊翔,曹浪等. 网络流量异常检测综述[J]. 信息安全与通信保密, 2022，(08):101-111.
[2]刘海燕,丛菲. 基于深度学习的网络入侵异常检测综述[J]. 信息系统工程, 2020，(09):50-51.
[3]陈卓,吕娜. 基于随机森林和XGBoost的网络入侵检测模型[J]. 信号处理, 2020,36(07):1055-1064.
[4]李光华,李俊清,张亮等. 一种融合蚁群算法和随机森林的特征选择方法[J]. 计算机科学, 2019,46(S2):212-215.
[5]邓华伟，李喜旺. 基于深度学习的网络流量异常识别与检测[J]. 计算机系统应用， 2023，32(2): 274-280.
...