深度学习算法的舰船网络安全状态识别

YANG Chun-xia, TAO Ke-rui, SONG Yong-sheng

Ship Science and Technology（2023）

烟台科技学院

被引用1|浏览0

摘要

为了提高舰船的网络安全,降低网络攻击的影响,提出深度学习算法的舰船网络安全状态识别方法.采集舰船网络流量数据,使用随机森林算法计算舰船网络流量数据特征基尼系数,以此为标准比较、排序每一个特征在随机森林中的贡献平均值,得出不同特征的重要程度,将重要程度高的特征输入BiLSTM神经网络之中,利用神经网络的自我学习完成对舰船的网络安全状态的识别,并且增加注意力机制进一步提高学习效率和分类准确率.实验数据表明,在利用随机森林进行特征提取时,特征数量选择为75个时,可兼顾特征充分参与分支、计算效率与识别准确度;网络受到攻击后流量有明显的改变,根据网络流量改变情况,使用该方法能够判断出船网络遭受的攻击方式.

更多

关键词

deep learning,random forest,network security,feature extraction,attention mechanism