张玉清 董 颖 柳彩云 雷柯楠 孙鸿宇

1(中国科学院大学国家计算机网络入侵防范中心 北京 101408) 2 (西安电子科技大学网络与信息安全学院 西安 710071) (zhangyq@nipc.org.cn)

近年来，硬件计算能力的强大和数据量的与日俱增，推动了深度学习(deep learning， DL)[1]的发展，使深度学习的实用性和普及性都有了巨大提升.深度学习是一种机器学习技术，其目的是通过经验和数据改进计算机系统，实现机器学习的原始目标：人工智能(artificial intelligence， AI).深度学习使用多个非线性特征变换，即多层感知机(multi-layer perceptron， MLP)构成的处理层来对数据进行表征学习(representation learning)[2-3].深度学习已经应用于计算机视觉[4-5]、语音识别[6-8]、自然语言处理[9]、生物医学[10]和恶意代码检测[11]等多个领域.

自2015年起，深度学习应用于网络空间安全(cyberspace security)的研究逐步涌现，引起学术界广泛关注.目前，深度学习主要应用于恶意软件检测和入侵检测两大网络空间安全领域，与传统的机器学习相比，深度学习提高了检测效率、降低了误报率.此外，深度学习算法摆脱了对特征工程的依赖，能够自动化智能化识别攻击特征，有助于发现潜在安全威胁.然而，现阶段学术界对于深度学习应用于网络空间安全的研究了解不够深入和全面，基于此，本综述对深度学习应用于网络空间安全的研究进行讨论，对其研究现状和研究发展趋势进行了分析，并对该领域的下一步研究方向进行了展望.

本文对深度学习应用于网络空间安全领域的研究进行了分类，针对恶意软件检测和入侵检……