[发明专利]异常流量检测系统及方法在审
| 申请号： | 202010662958.2 | 申请日： | 2020-07-10 |
| 公开（公告）号： | CN111832647A | 公开（公告）日： | 2020-10-27 |
| 发明（设计）人： | 王嘉略;李生红;李怡晨;董之微;王刚;于同伟;朱钰;原义栋 | 申请（专利权）人： | 上海交通大学;国网辽宁省电力有限公司电力科学研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;H04L29/06 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 胡晶 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 异常 流量 检测 系统 方法 | ||
1.一种异常流量检测系统，其特征在于，包括：
流量特征分析与选取模块：根据泛在电力物联网流量特点对流量特征进行筛选，并使用KPCA算法对流量特征进行降维；
流量基准模型构建模块：对降维后的流量特征进行提取，基于RBM模型和SOM聚类算法构建受限玻尔兹曼机模型并进行训练，完成基准模型的构建；
流量基准模型训练模块：根据对比散度算法对训练后的基准模型进行异常度划分，划分为正常基准模型与异常基准模型；
异常流量检测模块：提取待检测流量特征并进行计算，根据基准模型的输出与原输入特征数据的相似度进行异常流量检测。
2.根据权利要求1所述的异常流量检测系统，其特征在于，所述流量特征分析与选取模块包括：针对泛在电力物联网中网络数据的周期性和时序性的特点，从15个流量数据字段特征中进行筛选并使用KPCA算法进行非线性映射降维，降维后的特征将进行基准模型的搭建。
3.根据权利要求1所述的异常流量检测系统，其特征在于，所述异常流量检测模块包括：先从待检测的流量数据提取流量特征，然后将流量特征作为输入送给基准模型，通过计算基准模型的输出与原输入特征数据的相似度，来判决当前待检测流量特征所符合的基准模型，进而确认该流量特征对应的网络流量是否属于正常流量，完成对异常流量的检测。
4.根据权利要求3所述的异常流量检测系统，其特征在于，根据马氏距离对特征数据相似度进行判决，所述马氏距离表示特征数据的协方差距离。
5.一种异常流量检测方法，其特征在于，采用权利要求1-4中任一种或任多种所述的异常流量检测系统，包括：
流量特征分析与选取步骤：根据泛在电力物联网流量特点对流量特征进行筛选，并使用KPCA算法对流量特征进行降维；
流量基准模型构建步骤：对降维后的流量特征进行提取，基于RBM模型和SOM聚类算法构建受限玻尔兹曼机模型并进行训练，完成基准模型的构建；
流量基准模型训练步骤：根据对比散度算法对训练后的基准模型进行异常度划分，划分为正常基准模型与异常基准模型；
异常流量检测步骤：提取待检测流量特征并进行计算，根据基准模型的输出与原输入特征数据的相似度进行异常流量检测。
6.根据权利要求5所述的异常流量检测方法，其特征在于，所述流量特征分析与选取步骤包括：针对泛在电力物联网中网络数据的周期性和时序性的特点，从15个流量数据字段特征中进行筛选并使用KPCA算法进行非线性映射降维，降维后的特征将进行基准模型的搭建。
7.根据权利要求5所述的异常流量检测方法，其特征在于，所述异常流量检测步骤包括：先从待检测的流量数据提取流量特征，然后将流量特征作为输入送给基准模型，通过计算基准模型的输出与原输入特征数据的相似度，来判决当前待检测流量特征所符合的基准模型，进而确认该流量特征对应的网络流量是否属于正常流量，完成对异常流量的检测。
8.根据权利要求7所述的异常流量检测方法，其特征在于，根据马氏距离对特征数据相似度进行判决，所述马氏距离表示特征数据的协方差距离。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学;国网辽宁省电力有限公司电力科学研究院，未经上海交通大学;国网辽宁省电力有限公司电力科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010662958.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：精油提取的工艺方法
- 下一篇：基于统计假设检验的学习自动机实现系统及方法
