基于深度学习的铁路网络靶场背景流量生成方法OA
网络安全威胁已经渗入铁路行业方方面面,铁路网络安全靶场应跟进最新的网络安全需求.背景流量则是构建网络靶场逼真仿真环境的核心要素,是支撑靶场运营的重要技术.然而,如何有效捕捉网络流量复杂的时空特征并生成高保真背景流量仍是一项重大挑战.提出了一种新颖的铁路网络靶场背景流量生成方法(B2Diff),通过结合BERT,BiLSTM和扩散模型等深度学习技术,实现流量样本上下文语义、时空依赖关系和复杂流量分布等特征的捕捉,进而生成高度真实且多样化的背景流量.实验结果表明B2Diff在所生成的背景流量的质量和多样性方面显著优于现有方法,验证了其在增强网络靶场仿真效果方面的有效性.
董鹏;朱贺;徐绮;常晓林
中铁信(北京)网络技术研究院有限公司,北京100038中铁信(北京)网络技术研究院有限公司,北京100038北京交通大学网络空间安全学院,北京100044北京交通大学网络空间安全学院,北京100044
信息技术与安全科学
背景流量网络靶场扩散模型网络流量生成词嵌入
《信息安全研究》 2026 (7)
P.613-624,12
国家自然科学基金项目(62272028)中国铁路信息科技集团有限公司科技研究开发计划项目(WJZG-CKY-2024004(2024K01))。
评论