【论文推荐】基于机器学习的5G网络异常检测，Machine Learning based Anomaly Detection for 5G Networks

主题： Machine Learning based Anomaly Detection for 5G Networks

摘要：

保护未来网络将是一个具有挑战性的领域，因为网络安全威胁日益增加，物联网(IoT)造成的攻击面不断扩大，网络异构性增加，虚拟化技术和分布式架构的使用增加。本文提出了SDS(软件定义安全)作为一种手段来提供一个自动化的、灵活的、可扩展的网络防御系统。SDS将利用当前机器学习的进步，设计一个使用NAS(神经结构搜索)检测异常网络流量的CNN(卷积神经网络)。SDS可以应用于入侵检测系统，为5G网络创建更主动和端到端防御。为了验证这一假设，我们使用CNN采集并分析了模拟环境中的正常和异常网络流。该方法的结果是有希望的，因为该模型识别良性流量的准确率为100%，异常流量的检出率为96.4%。这证明了网络流分析对各种常见恶意攻击的有效性，也为检测加密恶意网络流量提供了一个可行的选择。