面向社会安全事件的分布式神经网络攻击行为分类方法

来源：计算机应用杂志2017年第10期北京时间：

作者：肖圣龙, 陈昕, 李卓

单位：1. 北京信息科技大学 计算机学院, 北京 100101;2. 网络文化与数字传播北京市重点实验室, 北京 100101

摘要：大数据时代下，社会安全事件呈现出数据多样化、数据量快速递增等特点，社会安全事件的事态与特性分析决策面临巨大的挑战。高效、准确识别社会安全事件中的攻击行为的类型，并为社会安全事件处置决策提供帮助，已经成为国家与网络空间安全领域的关键性问题。针对社会安全事件攻击行为分类，提出一种基于Spark平台的分布式神经网络分类算法（DNNC）。DNNC算法通过提取攻击行为类型的相关属性作为神经网络的输入数据，建立了各属性与攻击类型之间的函数关系并生成分布式神经网络分类模型。实验结果表明，所提出DNNC算法在全球恐怖主义数据库所提供的数据集上，虽然在部分攻击类型上准确率有所下降，但平均准确率比决策树算法提升15.90个百分点，比集成决策树算法提升8.60个百分点。

关键词：社会安全,大数据,Spark分布式系统,神经网络,分类算法

基金资助：国家自然科学基金资助项目（61370065，61502040）；国家科技支撑计划项目（2015BAK12B00）。