数字通信世界杂志

摘要：随着网络安全威胁日益复杂，传统检测方法面临挑战。本文提出了一种结合大数据分析与深度学习的网络安全威胁检测系统，系统利用Apache Spark对网络流量和日志等数据进行处理，提取特征并且通过LSTM和XGBoost的结合模型提升网络安全威胁检测的准确性与实时性。实验结果显示，相比传统的SVM和决策树，所提方法准确率提高了4.4%，召回率提高了10.7%(相比SVM)等。尽管存在一定的检测延迟，但仍满足实时检测要求。研究表明，结合大数据和深度学习的模型能有效提高网络安全威胁检测能力，为网络安全防护提供新思路。

关键词： 安全威胁检测;深度学习;大数据分析;

基金资助： 内蒙古自治区科技计划项目“复杂网络未知威胁检测及预警系统”的研究成果；

专辑： 信息科技

专题： 计算机软件及计算机应用;互联网技术

分类号： TP393.08;TP311.13