智客 ZICQ
EN 登录 / 注册
智客前沿 前沿论文 #网络安全 #自然可见图 #拓扑指标 #机器学习 #计算效率

基于自然可见图的网络攻击检测研究:拓扑指标优化与性能提升

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 5 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:本研究针对基于自然可见图(NVG)的网络攻击检测方法进行了深入分析,提出了一种通过重要性引导的指标精简策略来提升分类性能和计算效率的方法。研究评估了21种NVG拓扑指标,并通过共识排名策略整合了四种重要性分析方法,最终筛选出三个关键指标(avg_clustering_coeff_median、avg_clustering_coeff_std、avg_clustering_coeff_mean)。实验结果表明,使用精简后的Top3指标集,分类准确率从95.999%提升至97.148%,同时将总运行时间从14961.39秒大幅缩短至589.22秒(减少96.06%)。这项研究为高效的网络攻击检测提供了新的思路。


研究背景与动机

网络攻击检测是网络安全领域的重要研究方向。基于自然可见图(NVG)的分析方法通过将网络流量转化为拓扑描述符,捕捉不同结构特性,为分类任务提供支持。然而,并非所有拓扑指标对分类性能的贡献相同,且提取大量指标会增加计算成本。因此,本研究旨在通过重要性分析精简指标集,在保证分类性能的同时提升计算效率。

方法与实验

  1. 指标评估与选择:研究评估了21种NVG拓扑指标,并通过SHAP、Grouped Permutation Importance、Boruta和RFE四种重要性分析方法进行评估。
  2. 共识排名策略:整合上述四种方法的结果,生成统一的指标排名。
  3. 实验配置:基于CICIDS2018数据集,使用卷积神经网络(CNN)分类器,并采用分层5折交叉验证进行评估。
  4. 指标精简效果验证:比较了Full21、Top15、Top10、Top7、Top5和Top3六种配置的性能。

实验结果表明,Top3指标集(avg_clustering_coeff_median、avg_clustering_coeff_std、avg_clustering_coeff_mean)实现了最高的平均性能,分类准确率为97.148%,加权F1得分为97.055%,MCC为0.9675。相比之下,Full21配置的性能为95.999%、95.521%和0.9549。此外,Top3配置的总运行时间从14961.39秒减少到589.22秒,减少了96.06%。

结论与展望

研究表明,通过重要性引导的指标精简策略,可以实现更高效的NVG表示,在保持甚至提升分类性能的同时,大幅降低计算成本。这为网络攻击检测提供了新的优化方向,未来可以进一步探索不同数据集和分类器下的适用性,并结合其他技术(如深度学习)提升检测效果。

开发者建议

  • 指标选择:在构建基于NVG的网络攻击检测模型时,建议优先选择经过重要性分析的精简指标集,以提升效率。
  • 模型优化:结合深度学习模型(如CNN、Transformer)进一步提升分类性能。
  • 跨领域应用:将NVG方法扩展到其他领域,如异常检测、行为分析等,探索其更广泛的应用场景。

消息来源:ArXiv AI (cs.AI) (2026-10-05)

—— 完 ——

主题标签: #网络安全 #自然可见图 #拓扑指标 #机器学习 #计算效率

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…