信息安全研究 ›› 2025, Vol. 11 ›› Issue (E1): 68-.

• 2025网络安全创新发展大会入选论文 • 上一篇    下一篇

一种基于深度学习的5G恶意流量检测方法

林亮成1梅文明2国涛1林婷婷1曹亚明1金正平3梁宇辰3   

  1. 1(国网思极网安科技(北京)有限公司北京102209)
    2(国家电网有限公司北京100031)
    3(北京邮电大学网络空间安全学院北京100876)
  • 出版日期:2025-12-20 发布日期:2025-12-20
  • 通讯作者: 林亮成 高级程师.主要研究方向为电力系统网络安全防护、数据安全防护. work_0001@126.com
  • 作者简介:林亮成 高级程师.主要研究方向为电力系统网络安全防护、数据安全防护. work_0001@126.com 梅文明 高级工程师.主要研究方向为电力系统网络安全防护、数据安全防护. 69801009@qq.com 国涛 工程师.主要研究方向为网络安全. guotao1125@163.com 林婷婷 工程师.主要研究方向为电力系统网络安全. 51985515@qq.com 曹亚明 工程师.主要研究方向为电力系统网络安全. caoyaming1984426@163.com 金正平 博士,副教授.主要研究方向为网络空间安全. zhpjin@bupt.edu.cn 梁宇辰 硕士研究生.主要研究方向为网络空间安全. 245055601@qq.com

  • Online:2025-12-20 Published:2025-12-20

摘要: 针对恶意流量样本较少的问题,通过生成对抗网络丰富数据多样性,从而实现数据特征的增强和扩展,提高数据分析的准确性.设计一种基于深度学习的5G恶意流量检测方法,使用半监督的FlowGAN模型检测恶意网络数据,并使用多个卷积编码器和解卷积编码器识别恶意流量.通过对比多个数据集上不同模型的测试结果,FlowGAN模型表现优异,在3个数据集上AUC值分别为0.9822,0.7632和0.8561.实验结果表明,该方法对恶意流量的平均检测准确率达到了93.89%,具有良好的应用价值.

关键词: 恶意流量检测, 深度学习, GAN, 边缘设备, 5G

中图分类号: