摘 要：随着高校信息化建设从数字校园到智慧校园的过渡，高校逐步实现数据服务和应用的全覆盖，同时网络安全问题日渐突出。文章分析了校园网普遍存在的安全威胁，根据网络威胁在网络流量中的异常表现，对卷积神经网络架构、训练过程进行了研究，建立了基于卷积神经网络的网络流量异常检测模型，并对模型建立后的数据准备、分类识别方法进行了探讨，实现了网络流量的分类。
关键词：卷积神经网络；网络流量；异常检测
DOI:10.19850/j.cnki.2096-4706.2021.12.025
中图分类号：TP309.2 文献标识码：A 文章编号：2096-4706（2021）12-0094-04
Research on Network Anomaly Detection Methods Based on Convolutional Neural Network
YING Feng
(Liupanshui Normal University, Liupanshui 553004, China)
Abstract: With the transition of informatization construction from digital campus to wisdom campus, colleges gradually realize the full coverage of data services and applications. At the same time, the problem of network security is becoming more and more prominent. This paper analyzes the common security threats in campus network, studies the architecture and training process of convolutional neural network according to the abnormal performance of network threats in network traffic, establishes the network traffic anomaly detection model based on convolutional neural network, discusses the data preparation, classification identification methods after the model is established, and realizes the classification of network traffic.
Keywords: convolutional neural network; network traffic; anomaly detection
参考文献：
[1] 杨丹丹 . 基于深度学习的网络流量分类研究 [D]. 杭州： 浙江工商大学，2018：10-14.
[2] 赵英，刁鑫颖，陈骏君 . 基于网络流量分类模型的集成策 略研究 [C]// 中国计算机用户协会网络应用分会 2018 年第二十二届 网络新技术与应用年会 . 中国计算机用户协会网络应用分会 2018 年 第二十二届网络新技术与应用年会论文集 . 苏州，2018：269-272.
[3] 张闪青 . 基于卷积神经网络的图像分类算法简 [J]. 计算机 产品与流通，2019（6）：112.
[4] 陈章斌 . 基于深度学习人脸识别技术在高校课堂点名中的 设计及实现 [J]. 兰州文理学院学报（自然科学版），2018，32（6）： 68-71+77.
[5] 刘金来 . 深度学习模型在网络流量分类中的应用研究 [D]. 哈尔滨：哈尔滨理工大学，2018：17-22.
[6] 李振国，郑惠中 . 网络流量采集方法研究综述 [J]. 吉林大 学学报（信息科学版），2014，32（1）：70-75.
[7] 王鹏，兰巨龙，陈庶樵 . 粒度自适应的多径流量分割算法 [J]. 通信学报，2015，36（1）：215-221.
作者简介：英锋（1970—），男，汉族，江苏连云港人，教授， 本科，研究方向：计算机技术应用。