基于深度学习的SDN恶意应用的检测方法

作者：池亚平; 余宇舟^*; 杨建喜

来源：计算机工程与设计, 2019, 40(08): 2134-2139.

DOI：10.16208/j.issn1000-7024.2019.08.007

• 软件定义网络
• 恶意应用
• 检测方法
• 图片
• 深度学习

SDN (软件定义网络)核心技术是通过将网络设备控制层与数据转发层分离,实现网络流量的灵活控制。目前针对SDN网络架构的恶意应用研究还较少。针对这一问题,在总结分析现有恶意应用检测方法的基础上,基于深度学习技术提出一种面向SDN恶意应用的检测方法,将恶意应用转化为图片,在TensorFlow深度学习框架下对32个SDN恶意样本进行学习和检测,实验数据表明,该方法对恶意应用检测率可以达到89%,验证了方案的可行性。

• 单位
  北京电子科技学院