<div>
	基于机器学习技术的内网威胁行为发现方法的研究
</div>

doi:10.15966/j.cnki.dnydx.2022.10.012

全文: PDF( KB)
输出: BibTeX | EndNote (RIS)

摘要

针对当前企业内网缺乏相关的安全检测手段，导致内网的各类威胁事件很难被及时发现和阻止，给企业造成不

必要损失的实际情况，提出了利用机器学习技术实现内网威胁检测的解决方案，通过对孤立森林及其几类衍生机器算法基于

该方案的异常检测的准确性测试比较，总结实现了一套高效准确的基于机器学习技术的内网异常检测方法。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词 ：

内网安全, 威胁检测, 机器学习, 合规态势, 无监督学习

年卷期日期: 2022-10-01 出版日期: 2023-08-18

引用本文:

吕少岚陈泽辉王晶晶江佳佳.

基于机器学习技术的内网威胁行为发现方法的研究

[J]. 电脑与电信, 2022, 1(10): 65-76.
LV Shao-lan CHEN Ze-hui WANG Jing-jing JIANG Jia-jia.

An Approach of Intranet Threat Detection Based on Machine Learning

. Computer & Telecommunication, 2022, 1(10): 65-76.

链接本文:

https://www.computertelecom.com.cn/CN/10.15966/j.cnki.dnydx.2022.10.012 或 https://www.computertelecom.com.cn/CN/Y2022/V1/I10/65

[1]	杨丽佳陈新房, 赵晗清汪世伟. 基于Extra Tree Classifier的水质安全建模预测[J]. 电脑与电信, 2024, 1(6): 57-.
[2]	聂铖　王杰. 数据分析方法的研究与发展综述 [J]. 电脑与电信, 2024, 1(4): 200-25.
[3]	陈亮朱元凯李长英. 基于HHO-KNN优化算法的垃圾邮件检测研究 [J]. 电脑与电信, 2022, 1(9): 73-77.
[4]	郭昭烽谢玲庄一帆. 一种智能导盲杖系统的设计 [J]. 电脑与电信, 2022, 1(3): 1-4.
[5]	张丽. 基于SVM算法的宏病毒处理模型研究 [J]. 电脑与电信, 2022, 1(1-2): 41-45.
[6]	刘卉芳. 基于运营商大数据的反欺诈模型研究与应用[J]. 电脑与电信, 2021, 1(7): 46-52.
[7]	杨光陈亚睿. 机器学习案例化教学方法研究 [J]. 电脑与电信, 2021, 1(11): 33-36.
[8]	王玉何珍祥. 机器学习算法在入侵检测中的应用研究[J]. 电脑与电信, 2020, 1(7): 1-3.
[9]	童莲. 大数据背景下的机器学习算法应用研究[J]. 电脑与电信, 2018, 1(9): 29-31.
[10]	宋添树, 李江宇, 张沁哲. 基于CBOW模型的个人微博聚类研究[J]. 电脑与电信, 2018, 1(4): 69-72.
[11]	王旺. 基于机器学习的基站覆盖范围仿真[J]. 电脑与电信, 2018, 1(11): 45-47.
[12]	卫小强. 基于深度学习的过完备字典稀疏表示的矩阵分析[J]. 电脑与电信, 2017, 1(7): 97-99.
[13]	刘利萍. 基于免疫智能的网络异常检测算法[J]. 电脑与电信, 2017, 1(12): 67-70.
[14]	许璐蕾. 网络评论中情感词的获取及极性判断方法比较[J]. , 2011, 1(01): 0-0.