.png){kind=icon}
返回
A novel ensemble learning-based model for APT attack detection
.png){kind=icon}
PRE
AI
DOI：10.1007/s12293-025-00474-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提升APT攻击检测模型的有效性是当前最关键和基础的任务之一。顺应这一趋势，本文提出了一种名为ACDF-mLSTM的新模型，旨在解决该领域研究当前面临的两大主要挑战：(i) 数据不平衡问题；(ii) 信息聚合与特征提取。具体而言，为解决数据不平衡问题，本文提出了一种名为ACDF的新型数据生成方法。该方法利用先进且复杂的技术，聚焦于识别序列数据中的关键点，并通过考虑前后数据点来分析上下文。随后，应用基于渐进扩散原理的扩散模型（Diffusion Model）生成合成APT攻击数据。通过此方法，ACDF模型能够生成更具意义和真实性的数据。接下来，为应对信息聚合与特征提取任务，本文提出了一种基于长短期记忆网络（LSTM）优化的新型深度学习模型，命名为mLSTM。因此，mLSTM模型执行两项主要任务：(i) 从流量中的网络流提取信息；(ii) 在进入分类模型前，对信息进行聚合并突出重要信息。在实验部分，本文首次在多种场景和数据集上对ACDF-mLSTM模型进行了评估，以验证其有效性和适应性。评估结果显示，在所有指标和实验数据集上，ACDF-mLSTM模型的平均性能较其他大多数方法提升了2%至12%。
Keyword:
APT attack detection
Ensemble learning model
Advanced deep learning models
Rebalancing data
期刊
IF:
2.3
论文数:
458
被引数:
718
机构
引用论文
Disruptive attacks on artificial neural networks: a systematic review of attack techniques, detection methods, and protection strategies对人工神经网络的中断性攻击：对攻击技术、检测方法和保护策略的系统综述.png)
IF0
PREAI
分享收藏Defending Against APT Attacks in Cloud Computing Environments Using Grouped Multi-Agent Deep Reinforcement Learning使用分组多智能体深度强化学习防御云计算环境中的APT攻击
PREAI
分享收藏FreqWave-TranDuD: A Multivariate Time Series Anomaly Detection Method Based on Wavelet and Fourier TransformsFreqwave-trandud: 一种基于小波和傅里叶变换的多变量时间序列异常检测方法IEEE Access
IEEE AccessIF0
PREAI
分享收藏SLF-ADM: Securing Linux frontiers: Advanced persistent threat (APT) detection using machine learningSLF-ADM: 保护Linux前沿：使用机器学习进行高级持续性威胁（APT）检测
IF0
PREAI
分享收藏Anomal-E: A self-supervised network intrusion detection system based on graph neural networksAnomal-e: 基于图神经网络的自监督网络入侵检测系统
OAAI
OAAI分享收藏New approach for APT malware detection on the workstation based on process profile基于进程配置文件的工作站APT恶意软件检测新方法
PREAI
分享收藏
查看更多内容