基于机器学习的网络攻击检测方法研究
王 巧 （ 杭州安恒信息技术股份有限公司 ）
边森超* （ 杭州安恒信息技术股份有限公司 ）
https://doi.org/10.37155/2717-5170-0607-58Abstract
机器学习技术在网络攻击检测中展现出独特的优势，通过对大量历史数据的分析和学习，能够有效识别 复杂和新型的攻击模式。本研究集中于一个典型案例，探讨如何利用机器学习算法提高网络攻击检测的准确性和效 率。采用该方法，不仅能显著降低误报率，还能提升响应速度，确保网络安全系统的实时防护能力。通过深入分析该 案例的实施过程和效果，证明了机器学习在网络安全领域的巨大潜力和应用前景。
Keywords
机器学习；网络攻击检测；准确性；效率；案例分析Full Text
PDFReferences
[1]李永娜,张锐.基于机器学习的网络攻击检测与防御
方法研究[J].信息与电脑（理论版）,2024,36(01):177-179.
[2]吴家存.基于机器学习的无线网络DDoS攻击检测方
法[J].信息与电脑（理论版）2023,35(15):64-66.
[3]巩小雪,庞嘉豪,张琦涵,等.基于机器学习的光网络
干扰攻击检测、识别与恢复方法[J].通信学报,2023,44(07):
159-170.
[4]蒋岷珂.基于机器学习的Tor网络流水印攻击检测方
法研究[D].电子科技大学,2023.
[5]余超.软件定义网络中基于机器学习的DDoS攻击检
测与防御方法研究[D].安徽大学,2022.
方法研究[J].信息与电脑（理论版）,2024,36(01):177-179.
[2]吴家存.基于机器学习的无线网络DDoS攻击检测方
法[J].信息与电脑（理论版）2023,35(15):64-66.
[3]巩小雪,庞嘉豪,张琦涵,等.基于机器学习的光网络
干扰攻击检测、识别与恢复方法[J].通信学报,2023,44(07):
159-170.
[4]蒋岷珂.基于机器学习的Tor网络流水印攻击检测方
法研究[D].电子科技大学,2023.
[5]余超.软件定义网络中基于机器学习的DDoS攻击检
测与防御方法研究[D].安徽大学,2022.
Copyright © 2024 王 巧,边森超*
Publishing time:2024-07-31
This work is licensed under a Creative Commons Attribution 4.0 International License
Email
Location