◆王思敏 王恒

基于深度学习的入侵检测技术

◆王思敏 王恒通讯作者

（宁夏大学 信息工程学院 宁夏 750000）

传统的以防护为主的网络安全技术已经很难解决当前存在的复杂的网络安全问题，基于深度学习的入侵检测技术能够通过收集计算机网络或者主机上的若干关键点信息并对其进行分析，实时监测网络中是否有违反安全策略的行为或网络遭到袭击的现象。本文主要围绕基于深度学习的入侵检测的关键技术和流程进行阐述，介绍了基于深度学习的入侵检测算法的评价指标，并对基于深度学习的入侵检测方法进行了总结和展望。

网络安全；入侵检测；深度学习

1 引言

由于攻击类型日益增多，攻击方法日益复杂，导致网络中产生的安全问题越来越严重。传统的以防火墙为主体的安全防护措施已经显得越来越力不从心，所以怎样能够更好地解决日益复杂的网络安全问题成为亟待解决的问题。

入侵检测[1]是解决网络安全问题的重要工具，其目的是检测出网络是否存在潜在或恶意的攻击。1980年，James Anderson[2]提出了审计记录可以用于识别计算机误用操作，监测入侵检测行为。1986年，SRI的Dorothy E.Denning[3]在论文中首次将入侵检测的概念作为一种计算机系统安全防御措施提出，并且建立了一个独立于系统、程序应用环境的通用入侵检测系统模型。

直至20世纪九十年代，关于机器学习的入侵检测方法逐渐兴起，数据通过特征提取[4]，在得到特征向量后，将其输入分类器，最终通过模型输出的分类结果判定是正常或入侵。……