基于深度神經網絡學習的防火墻攔截效能評估

彭東城 林佳聰 屈曉靜 李君

摘要：隨著防火墻技術的不斷發展，云計算、大數據、社交網絡、BYOD相繼出現，新一代防火墻面臨更多挑戰，需要不斷增大監控力度、提升管理復雜度、迎接未知威脅及性能的挑戰。為了提高防火墻攔截效能的評估能力，該文提出了一種基于云特征提取和深度神經網絡學習的防火墻攔截能力評估優化方法。使用KDD‘99訓練集攻擊防火墻，測試防火墻的攔截能力[1]。云特征提取和本地攔截信息配合深度神經網絡建模威脅文件，對防火墻進行未知威脅攔截測試，并利用入侵攔截信息動態評估防火墻的未知威脅攔截情況。實驗表明，該模型能有效地評估防火墻攔截的有效性，提高對未知威脅的攔截檢測能力。

關鍵詞：攔截;深度神經網絡;防火墻;網絡安全

中圖分類號：TP393 ? ? ? ?文獻標識碼：A

文章編號：1009-3044（2022）05-0040-03

隨著計算機的信息交流、網絡數據交流平臺的不斷發展，國內外的網絡安全事件層出不窮，近年來網絡安全信息泄露事件不勝枚舉，企業及用戶成為網絡安全中的受害者，遭受不法分子的網絡攻擊和數據盜取。在這個不斷發展的網絡環境中，網絡攻擊犯罪組織正不斷進行升級，開始“敏捷化”“公司化”“品牌化”并且不斷開發出新型網絡攻擊方式。因此，如何使網絡防火墻在保護用戶的同時不斷升級來滿足這個信息高速發展的時代，已成為網絡防火墻的安全問題和發展趨勢。多種神經網絡的發展不斷完善網絡防火墻的數據處理方面，使現如今的計算機對網絡數據的識別更加人性化。……