关键词:
网络安全
入侵检测
深度学习
图卷积网路
网络流量
摘要:
在过去的几年里,不断增长的网络攻击严重威胁社会经济与隐私安全,需要准确的网络入侵检测系统。现有主流的基于机器学习的网络入侵检测系统通常独立地处理网络流量,近些年很多研究开始尝试使用图神经网络技术捕获流量间的关系,然而它们都没有捕获流量的套接字地址结构,即主机IP地址与其端口号间的结构信息。结构信息对于一些依赖主机IP地址与端口作为切入点网络攻击的检测非常重要,所以提出基于图神经网络的结合套接字地址结构信息的网络入侵检测系统,设计一个可以保存网络流量连接IP地址与其端口号间结构信息的异质图表示方法,然后提出一个适配上述图表示方法的消息传递与聚合方法用以捕获套接字地址的结构信息,最后使用门控循环单元结合捕获的结构信息检测入侵行为。实验结果表明,提出的图卷积网络模型在著名的CIC-IDS2017,CSE-CIC-IDS2018数据集上能得到更好的性能。