基于改進(jìn)CNN-LSTM融合的僵尸網(wǎng)絡(luò)識(shí)別方法

摘要： P2P及fast-flux等技術(shù)的出現(xiàn)使僵尸網(wǎng)絡(luò)隱蔽性大大增強(qiáng)。傳統(tǒng)人工提取特征的識(shí)別方法愈發(fā)困難并且識(shí)別精度低。該文設(shè)計(jì)一種新的基于CNN及LSTM融合網(wǎng)絡(luò)結(jié)構(gòu)，使用改進(jìn)激活函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)空間特征，并使用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)檢測(cè)時(shí)序特征，將兩種特征并聯(lián)融合用于識(shí)別僵尸網(wǎng)絡(luò)。實(shí)驗(yàn)表明，該方法在精度和召回率等方面可滿足僵尸網(wǎng)絡(luò)識(shí)別需求。 （共8頁）