欧洲杯正规下单平台
科研工作

多维特征下网络空间数据流的异常检测算法研究

来源:     发布日期:2023-09-25    浏览次数:


 

报告时间:2023928日(周四)1400 1500

报告地点: 欧洲杯正规下单平台2#311会议室

报告题目:多维特征下网络空间数据流的异常检测算法研究

报告简介:网络异常检测是网络安全防范的重要手段,大规模网络的复杂环境、多样应用和攻击手段繁多等问题给攻击行为识别带来了诸多挑战。数据特征提取缺乏可解释性,难以满足异常检测对精度的要求;网络数据的实时性、不平衡性和复杂性特点严重影响了异常检测的性能;分布式环境下,数据孤立问题导致相邻节点信息不能被检测模型利用。报告从课题研究背景与现状、问题定义、近期主要研究内容、完成工作情况以及访学期间交流与成果等几个方面进行了汇报。

从特征构造、异构特征训练和分布式协同学习三个方面展开研究工作。以网络技术、攻击原理和识别方法为理论基础,深入探讨可解释性时空多维特征构造与表征学习方案,以降低数据冗余率、简化数据关系和提高数据价值密度。通过特征子空间的划分,分析和摸索基于异构多维数据特征融合训练的新思路,来提高模型对攻击行为的识别能力。开展分布式协同训练方案的研究工作,扩大模型的学习范围,提高检测能力。

报告人介绍:

张浩,研究生学历,博士学位,欧洲杯正规下单平台副教授,硕士生导师。主要研究领域涉及:网络流量异常检测、机器学习算法研究与应用。主持和参与包括国家自然科学基金、福建省自然科学基金和福建省教育厅科研项目在内的15项国家级、省部级项目。先后在Future Generation Computer SystemsNeural Computing & ApplicationsIntegration the VLSI JournalJournal of Supercomputing等国内外期刊和会议上发表研究论文20余篇(其中SCI/EI 检索10余篇),获授权国家发明专利8项,授权软件著作权2项,担任IEEE Transactions on Cognitive Communications and NetworkingJournal of SupercomputingInternational Journal of Electrical and Computer Engineering、《电子学报》、《信息网络安全》等国内外刊物的审稿专家。

上一篇
下一篇
Baidu
sogou