Обзор методов глубокого обучения для кибербезопасности

A Survey of Deep Learning Methods for Cyber Security
Daniel S. Berman, Anna L. Buczak, Jeffrey S. Chavis, Cherita Corbett, Daniel S. Berman
2019-04-02

кибербезопасностьглубокие автоэнкодерыглубокое обучениесетевые вторжениярекуррентные нейронные сети
В данной обзорной статье представлен анализ литературы, посвящённой методам глубокого обучения (DL), применяемым в задачах кибербезопасности. Для каждого метода глубокого обучения приведено краткое описание в учебном стиле, включая глубокие автокодировщики, ограниченные машины Больцмана, рекуррентные нейронные сети, генеративно-состязательные сети и ряд других методов. Далее рассматривается применение каждого из методов глубокого обучения в задачах безопасности. Обзор охватывает широкий спектр типов атак, включая вредоносное программное обеспечение, спам, угрозы со стороны инсайдеров, сетевые вторжения, внедрение ложных данных и вредоносные доменные имена, используемые ботнетами.
1
Также рассматриваются внутренние угрозы, сетевые вторжения, инъекции ложных данных и вредоносные доменные имена, используемые ботнетами.
2
Рассматриваются глубокие автоэнкодеры, ограниченные машины Больцмана, рекуррентные нейронные сети, генеративно-состязательные сети и другие методы глубокого обучения.
3
Работа дает широкий обзор применения глубокого обучения к различным категориям кибератак, не ограничиваясь одной задачей безопасности.
4
Статья представляет обзор методов глубокого обучения, применяемых в кибербезопасности, и включает краткие учебные описания основных архитектур.
5
Обзор анализирует применение глубокого обучения к различным задачам кибербезопасности, включая обнаружение вредоносных программ и спама.

методы глубокого обучения, применяемые в кибербезопасности

использование методов глубокого обучения для обнаружения и противодействия кибератакам, включая вредоносное ПО, спам, внутренние угрозы, сетевые вторжения, внедрение ложных данных и вредоносные доменные имена, используемые ботнетами

Publication Details
Publication Date
2019-04-02
Journal
Publisher
ISSN
Cited by
752
Access Type
Author Information
Authors
Daniel S. Berman
Anna L. Buczak
Jeffrey S. Chavis
Cherita Corbett
Daniel S. Berman
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%