基于深度学习的电商恶意攻击行为识别与防御系统设计

Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v3i3.15595

王辰

天津大学（仁爱学院），邮政储蓄银行信用卡中心(智慧营销项目)，北京国信创新科技股份有限公司(项目部)

Abstract

近年来,随着网络的广泛运用,电子商务已经成为主流的商业贸易方式。与此同时,电商企业的网络安全隐患也日益严峻,各种网络攻击事件层出不穷。深度学习技术因其强大的特征学习与泛化能力,为构建高效的攻击识别与防御系统提供了全新路径。本文围绕电商平台的核心安全需求,基于用户行为数据建模与攻击类型特征分析,设计了一套融合CNN、LSTM与注意力机制的多维深度识别模型,并结合策略响应引擎实现了具备实时性与可扩展性的自动化防御系统。实证应用表明,该方案在识别精度、误报控制与系统适配性方面具有良好的工程效果与推广价值。

Keywords

电商安全；深度学习；恶意行为识别；自动化防御；行为建模

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 刘冬晖,谢佳睿.人工智能网络算法在网络信息处理中的应用研究[J].信息记录材料,2025,26(07):91-93.
[2] 张宇,郭文忠,林森,等.深度学习与知识推理相结合的研究综述[J].计算机工程与应用,2022,58(01):56-69.
[3] 贺育斌.人工智能技术在电商平台风险控制中的应用与实践研究[J].商展经济,2024,(22):67-70.
[4] 马鑫,王芳,段刚龙.面向电商内容安全风险管控的协同过滤推荐算法研究[J].情报理论与实践,2022,45(10):176-187.
[5] 肖帅帅,蔡晶晶,郭敏,等.系统安全防护中的业务逻辑漏洞检测与防御策略[J].信息网络安全,2021,(S1):239-242.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License