基于自注意力机制的网络流量异常检测方法

网络中异常流量的有效检测对网络安全至关重要.以机器学习方法为主的异常流量检测技术,对流量数据采用特征选择方法进行降维并提取最优特征,但容易忽略数据特征之间的关联性,存在异常流量的检测率低、误报率高等问题.为了提高异常流量检测性能,论文在提取流量数据特征的过程中引入自注意力机制进行相关性学习,并结合深度卷积神经网络提出一种有效的网络流量异常检测模型.实验结果表明：通过引入自注意力机制,论文所提出的检测方法能够提取更准确的流量特征,并使得异常流量检测率高、误报率低.     

基于IPv6互联网络的入侵防御机制的研究

IPv6作为下一代互联网络协议具有比IPv4互联网络协议更先进的特点,IPSec协议就是其必备的关键技术之一;但是,IPSec的引进又给传统的网络安全机制带来了挑战.本文将提出针对IPSec协议的安全解决方案.