针对铁路信息系统的APT恶意流量预警系统研究

作者：朱广劼

来源：铁路计算机应用, 2022, 31(11): 14-19.

• 高级可持续威胁(APT)
• 长短期记忆(LSTM)模型
• 深度学习
• 网络安全
• 铁路信息系统

为了更准确和高效地检测针对铁路信息系统的高级持续性威胁（APT,Advanced Persistent Threat）攻击，研究并设计了基于堆叠式长短期记忆（LSTM,Long Short-Term Memory）模型的APT恶意流量预警系统。将UNSW-NB15数据集改造为适用于APT恶意流量预警系统中模型训练的数据集；提出利用APT攻击阶段性的特性进行预警结果再计算的方法，引入置信度的概念，从而更准确地判定流量类型。在Kaggle云平台上对APT恶意流量预警系统进行了实验，其准确率、精确率和召回率等指标均优于其他方法。实验结果表明，所设计的系统具有更好的性能表现，能够有效提高APT恶意流量预警的准确率，降低误报率和漏报率。

• 单位
  中国铁道科学研究院集团有限公司