基于深度学习的网络安全检测技术

信息化时代，伴随互联网高速发展，病毒、木马等恶意代码和钓鱼网站、非法域名等恶意网站给网络安全带来了众多问题。传统的规则匹配和黑白名单的检测方式难以适应日益复杂的恶意代码变种和快速生成的恶意域名。

团队基于深度学习和自然语言处理方法，分别针对网络恶意代码和恶意域名研究了智能化检测方法。通过对大量特征表示方法和深度学习方法的对比实验，能有效提取样本中恶意信息，并实现检测判定。结合来自网络安全企业的实测数据，经测试，检测准确率达到96%以上。并针对生产应用部署的需要，对研究成果进行了工程化设计和优化。

研究成果可以分别应用于：

1、SQL注入、WebShell等恶意代码的智能化实时检测。

2、恶意域名的动态检测。

3、目标网站的健康状况实时及长期监控并预警。

预期市场前景与效益

在网络安全威胁日益复杂的形势下，可为企业网站用户提供网络安全服务，具有良好的市场前景与效益。