瞿迪庆，吕齐，杨怀仁，余侃，吴哲翔

摘要：互联网的飞速发展给人们的生活带来便利的同时，也给网络攻击者提供了良好的环境。网络安全问题不仅关乎民生，也关乎国家安全，因此，网络安全问题引起了中央高度重视。为此，学者们提出了很多应对网络安全攻击和网络异常检测的方法，其中机器学习算法占据重要地位。该文采用多种机器学习方法，首先对数据集KDD99进行网络异常检测，并预测其攻击类型，再对国家电网金华供电公司网络数据进行网络攻击威胁预测及等级分类。研究发现采用决策树算法预测准确度最高，同时运行时间也短，此外，研究揭示KDD99数据集中U2R攻击类型容易被预测为正常类型。该研究为降低误报率和提高网络安全性能的系统设计提供参考。

关键词：网络安全;异常检测;安全威胁等级分类;机器学习;国家电网

中图分类号：TP393      文献标识码：A

文章编号：1009-3044（2021）34-0010-03

1 引言

随着互联网与社会生活的日益深入融合，互联网正在改变着人们的学习和工作方式，同时也面临着日益严重的安全威胁[1-2]。如2006年“熊猫烧香”病毒传播事件，短短一个月时间被感染的用户就超过了几百万。再比如近期发生的以邮件、程序木马和网页挂马为主要传播形式的“勒索病毒”，给全球带来了极大的损失[3]。据CNCERT发布《2021年上半年我国互联网网络安全监测数据分析报告》指出：1）捕获恶意程序样本数量约2307万个，日均传播次数达582万余次，涉及恶意程序家族约20.8万个;2）我国境内感染计算机恶意程序的主机数量约446万台，同比增长46.8%。……