關鍵詞：網絡異常行為 異常檢測 模式識別 流量特征建模 深度學習 

摘要：基于流量特征建模的網絡異常行為檢測技術通過對網絡流量進行特征匹配與模式識別,進而檢測出潛在的、惡意入侵的網絡流量,是網絡異常行為檢測的有效手段。根據檢測數據來源的不同,傳統檢測方法可以分為基于傳輸層信息、載荷信息、主機行為特征等三類,而近年來興起的深度學習方法已經開始應用于這三類數據,并可以綜合應用三類數據,本文從技術原理與特點、實驗方式、取得的成果等方面對上述技術路線進行了綜述,并分析了存在的主要問題和發展趨勢。

網絡新媒體技術雜志要求:

{1}來稿為基金資助項目請注明何種基金資助項目或課題（并附編號）。

{2}如不同意本刊對采用文稿作相應的技術處理和修改刪節，請事先申明。

{3}計量單位:執行國務院頒布的《中華人民共和國法定計量單位》，并以單位符號表示，具體使用參照中華醫學會雜志社編寫的《法定計量單位在醫學上的應用(第3版)》一書。

{4}注釋是對正文中某一特定內容的解釋或補充說明，列于當頁腳注，用①②……標注。（注意：注釋不是引文的參考文獻，引文引用文獻應放在文后參考文獻中）

{5}正文（包括圖表）一律使用國家法定計量單位；各種專業術語規范準確；正文論述條理清晰。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社