本科生任凌颢等在Computer Networks发表论文
2023级本科生任凌颢以第一作者身份在国际学术期刊 《Computer Networks》发表了题为 “ROEN: Universal Dynamic Topology-Adaptive Evolution Model for Multi-modal Mixed Network Traffic Detection” 的研究论文。其指导老师唐波副教授为通讯作者。
现代网络流量检测系统在准确分类复杂网络攻击方面面临重大挑战。依赖静态流量特征（如端口号和数据包大小 ）的传统方法，在捕捉高级持续性威胁（APTs）和复杂网络流中固有的动态拓扑演化时，被证明是不够的。这种局限性源于忽视了网络流量中的时间相关性和结构动态性。为了弥补这一关键缺口，该文提出一种新颖的基于攻击检测的方法，用于多模态流量识别、混合攻击拓扑及分析中的不完整或异常数据，通过流量模式分布转换来量化演化的异常结构。与传统的基于注意力的网络检测范式不同，经过精简的架构引入了具有多级特征融合的双线程框架。这种创新设计有效地将显式统计特征与隐式动态拓扑信息相结合，在提高入侵检测准确率的同时降低计算复杂度。本文提出的解决方案为下一代入侵检测系统奠定了基础，为应对不断演变的网络威胁提供了一种可推广且资源高效的方法。
该成果发表在通信类国外高质量学术刊物《Computer Networks》 (SCIE JCR Q1 CCF-B刊物 影响因子4.4 CiteScore:10.8)。《Computer Networks》是一本专注于计算机网络领域的国际知名学术期刊，由 Elsevier 出版社出版发行。
