技術名稱 | 深度學習應用於惡意封包與流量偵測技術 | ||
---|---|---|---|
計畫單位 | 國立中正大學 | ||
計畫主持人 | 黃仁竑 | ||
技術簡介 | 我們發展兩個快速惡意流量偵測技術。第一個技術以直接檢測單一封包就能辨別是否為惡意封包。此技術是基於詞向量與長短期記憶技術。實驗結果顯示偵測正確率可達99.4%以上。第二個技術使用了卷積神經網路與自動編碼器,對一個流量只檢測2個封包,每個封包只取80個位元,就可以有99.8%以上的正確率,並能偵測未見過的新惡意流量。 |
||
科學突破性 | 1. 為國際上首先嚐試以單一封包進行是否為惡意流量的檢測技術。 |
||
產業應用性 | 面對物聯網大量的設備引發的分散式阻斷服務攻擊,產業急需佈建快速偵測惡意流量的技術在邊緣計算主機或網路設備上。本計畫所發展之兩個快速惡意流量偵測技術大量產品化後,可有效阻絕物聯網的大量分散式阻斷服務攻擊,有助物聯網產業的發展。 |
||
關鍵字 | 惡意流量偵測 詞向量 長短期記憶模型 卷積神經網路 自動編碼器 物聯網 深度學習 快速惡意流量檢測 惡意封包偵測 人工智慧 |