机器学习在网络空间安全研究中的应用

被引：354

作者：

张蕾 ^{[1
]}

崔勇 ^{[1
]}

刘静 ^{[2
]}

江勇 ^{[1
]}

吴建平 ^{[1
]}

机构：

[1] 清华大学计算机科学与技术系

[2] 北京邮电大学网络与交换技术国家重点实验室

来源：

计算机学报 | 2018年 / 41卷 / 09期

关键词：

网络空间安全; 机器学习; 系统安全; 网络安全; 应用安全;

D O I：

暂无

中图分类号：

TP393.08 []; TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

随着云计算、物联网、大数据等新兴技术的迅猛发展,数以亿计的网络接入点、联网设备以及网络应用产生的海量数据,给网络空间安全带来了巨大的困难和挑战,传统的安全问题解决方案面对海量数据变得效率低下.机器学习以其强大的自适应性、自学习能力为安全领域提供了一系列有效的分析决策工具,近年来引起了学术界与工业界的广泛关注和深入研究.为此,该文以网络空间安全一级学科为指导,围绕机器学习技术应用于网络空间安全领域的最新研究成果,首先详细阐述了机器学习技术在网络空间安全研究中的应用流程;然后从系统安全、网络安全和应用安全三个层面,着重介绍了机器学习在芯片及系统硬件安全、系统软件安全、网络基础设施安全、网络安全检测、应用软件安全、社会网络安全等网络空间安全领域中的解决方案,重点分析、归纳了这些解决方案中的安全特征及常用机器学习算法.最后总结了现有解决方案中存在的问题,以及机器学习技术在网络空间安全研究中未来的发展方向和面临的挑战.

引用

页码：1943 / 1975

页数：33

共 43 条

[1]

我国网络舆情安全评估指标体系研究 [D].

戴媛 .

北京化工大学,

2008

[2]

边界网关协议安全研究综述 [J].

王娜 ;

杜学绘 ;

王文娟 ;

刘敖迪 .

计算机学报, 2017, 40 (07) :1626-1648

[3]

网络空间安全体系与关键技术 [J].

罗军舟 ;

杨明 ;

凌振 ;

吴文甲 ;

顾晓丹 .

中国科学:信息科学, 2016, 46 (08) :939-968

[4]

网络空间安全一级学科内涵建设和人才培养思考 [J].

李建华 ;

邱卫东 ;

孟魁 ;

伍军 .

信息安全研究, 2015, 1 (02) :149-154

[5]

在线社交网络中异常帐号检测方法研究 [J].

张玉清 ;

吕少卿 ;

范丹 .

计算机学报, 2015, 38 (10) :2011-2027

[6]

恶意网页识别研究综述 [J].

沙泓州 ;

刘庆云 ;

柳厅文 ;

周舟 ;

郭莉 ;

方滨兴 .

计算机学报, 2016, 39 (03) :529-542

[7]

芯片级木马检测技术研究综述 [J].

王晨旭 ;

姜佩贺 ;

喻明艳 .

半导体技术, 2012, 37 (05) :341-346

[8]

僵尸网络机理与防御技术 [J].

江健 ;

诸葛建伟 ;

段海新 ;

吴建平 .

软件学报, 2012, 23 (01) :82-96

[9]

Toward Secure Outsourced Middlebox Services: Practices; Challenges; and Beyond..[J].Cong Wang 0001;Xingliang Yuan;Yong Cui 0001;Kui Ren 0001.IEEE Network.2018, 1

[10]

Machine learning for intrusion detection in MANET: a state-of-the-art survey [J].

Nishani, Lediona ;

Biba, Marenglen .

JOURNAL OF INTELLIGENT INFORMATION SYSTEMS, 2016, 46 (02) :391-407

← 1 2 3 4 5 →