新增未知攻擊場景下的工業(yè)互聯(lián)網惡意流量識別方法

摘要： 針對工業(yè)互聯(lián)網中新增未知攻擊所引發(fā)的流量數(shù)據(jù)分布偏移問題，提出了一種基于鄰域過濾和穩(wěn)定學習的惡意流量識別方法，旨在增強現(xiàn)有圖神經網絡模型在識別已知類惡意流量時的有效性和魯棒性。該方法首先對流量數(shù)據(jù)進行圖結構建模，捕獲通信行為中的拓撲關系與交互模式；然后，基于有偏采樣的鄰域過濾機制劃分流量子圖，消除通信行為間的偽同質性；最后，應用圖表示學習和穩(wěn)定學習策略，結合自適應樣本加權與協(xié)同... （共12頁）