异常检测在网络安全防护中的应用研究.pdf

AI赋能安全刘洋，翟锐，巩坤

AIEmpoweredSecurity异常检测在网络安全防护中的应用研究

异常检测在网络安全防护中的

ResearchonApplicationofAnomalyDetection应用研究

AlgorithminNetworkSecurityProtection

刘洋，翟锐，巩坤（中国联通山东分公司，山东济南250014）

LiuYang，ZhaiRui，GongKun（ChinaUnicomShandongBranch，Jinan250014，China）

摘要：关键词：

图像异常数据作为网络安全检测的核心监控对象，面临着样本不均衡、数据缺深度学习；异常检测；网络安全；数据模式

乏标注以及异常形式多样化等挑战，针对这些问题，创新性地提出了自信息量doi：10.12045/j.issn.1007-3043.2024.08.005

挖掘模块，旨在学习已知类别样本的数据模式；同时提出了三元组信息量学习文章编号：1007-3043（2024）08-0024-05

策略，优化类别信息学习和已知类别的数据模式学习，最终实现了在网络安全中图分类号：TP181

防护场景中对图像的未知类别样本的异常检测。实验结果表明，异常检测算法文献标识码：A

可以有效提升网络安全防护的准确性，在实际应用中表现出色。开放科学（资源服务）标识码（OSID）：

Abstract：

Abnormalimagedata，asthecoremonitoringtargetofnetworksecuritydetection，faceschallengessuchassample

imbalance，lackofdataannotation，anddiverseformsofabnormalities.Toaddresstheseissues，itinnovativelyproposesa

self-informationminingmoduleaimedtolearnthedatapatternsofknown-categorysamples.Simultaneously，atriplet

informationlearningstrategyisintroducedtooptimizecategoryinformationlearningandknown-categorydatapattern

learning，ultimatelyenablingthedetectionofabnormalitiesforunknownclasssamplesofimagesinthecontextofnetwork

securityprotection.Experimentalresultsshowthattheanomalydetectionalgorithmcaneffectivelyimprovetheaccuracyof

networksecurityprotection，demonstratingexcellentperformanceinpracticalapplications.

Keywords：

Deeplearning；Anomalydetection；Networksecurity；Datapattern

引用格式：刘洋，翟锐，巩坤.异常检测在网络安全防护中的应用研究［J］.邮电设计技术，2024（8）：24-28.

来了革命性的变革。

1概述

深度学习技术通过构建深度神经网络模型，能够

在数字化转型的时代浪潮中，网络安全已不仅仅自动学习和提取网络数据中的复杂特征，进而实现精

是一个技术问题，更是涉及到国家安全、社会稳定、经准的识别、分类和预测。深度学习还能够与其他网络

济发展等多方面的战略性问题。随着计算机技