Network Anomaly Traffic Detection via Multi-view Feature Fusion

要約

従来の異常トラフィック検出方法はシングルビュー分析に基づいており、複雑な攻撃や暗号化された通信に対処するには明らかな限界があります。
これに関連して、ネットワーク異常トラフィック検出のためのマルチビュー機能融合 (MuFF) 方法を提案します。
MuFF は、それぞれ時間的観点とインタラクティブな観点に基づいて、ネットワーク トラフィックにおけるパケットの時間的関係とインタラクティブな関係をモデル化します。
時間的およびインタラクティブな特徴を学習します。
これらの機能は、異常トラフィックの検出のためにさまざまな観点から融合されます。
6 つの実際のトラフィック データセットに対する広範な実験により、MuFF がネットワークの異常トラフィック検出において優れたパフォーマンスを示し、単一の観点からの検出の欠点を補うことができました。

要約(オリジナル)

Traditional anomalous traffic detection methods are based on single-view analysis, which has obvious limitations in dealing with complex attacks and encrypted communications. In this regard, we propose a Multi-view Feature Fusion (MuFF) method for network anomaly traffic detection. MuFF models the temporal and interactive relationships of packets in network traffic based on the temporal and interactive viewpoints respectively. It learns temporal and interactive features. These features are then fused from different perspectives for anomaly traffic detection. Extensive experiments on six real traffic datasets show that MuFF has excellent performance in network anomalous traffic detection, which makes up for the shortcomings of detection under a single perspective.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google