基于改进萤火虫算法和长短期记忆网络的恶意行为检测方法

来源：计算机工程与科学杂志2024年第12期北京时间：

作者：沈凡凡, 汤星译, 张军, 徐超, 陈勇, 何炎祥

单位：（1.南京审计大学计算机学院智能审计学院,江苏 南京 211815;2.东华理工大学软件学院,江西 南昌 330013;3.武汉大学计算机学院,湖北 武汉 430072）

摘要：近年来,数据平台与系统的规模飞速扩张,性能快速提升，安全性能也随之越发重要。现有的基于深度学习的恶意行为检测方案缺少与模型契合的优化算法,导致模型缺乏自优化能力。提出了一种基于改进萤火虫算法与改进长短期记忆网络的恶意行为检测方法iFA-LSTM,该方法可以有效地进行恶意行为的二分类检测。通过UNSW-NB15数据集来验证所提出的方法,方法在单攻击二分类实验中的平均识别准确率达到了99.56%,且在混合攻击二分类实验中平均识别准确率也达到了98.79%,同时也充分证明了iFA的有效性。所提出的方法可以快速有效地进行恶意行为检测,非常有希望应用于恶意行为的安全监控和识别。

关键词：平台与系统安全,恶意行为检测,神经网络,算法优化,二分类,

基金资助：国家自然科学基金（61902189,6242227,71972102,62162002,61972293）；江苏省高等学校基础科学（自然科学）研究项目（22KJA520004）；江西省自然科学基金（20212BAB202002）；江苏省研究生科研与实践创新计划项目（SJCX23_1101）