[发明专利]一种基于SRU网络异常流量的检测方法及系统

权利要求书

1.一种基于SRU网络异常流量的检测方法，其特征在于，包括：

数据采集：根据实际应用场景采集数据网络流量数据；

数据预处理：将采集的数据网络流量数据进行预处理；

SRU网络模型构建与训练：基于预处理数据，构建SRU网络模型，训练网络，提取并分析特征，对训练数据集进模型训练；

异常检测：SRU网络模型调用，异常检测输出。

2.根据权利要求1所述的一种基于SRU网络异常流量的检测方法，其特征在于，所述数据预处理包括：将预处理数据整理成数据集；属性转换，将各类非数值型数据进行数值编码；属性归一化处理，将数据采用最小最大规范化方法归一化至[0,1]区间；优化不平衡数据。

3.根据权利要求1所述的一种基于SRU网络异常流量的检测方法，其特征在于，所述SRU网络模型，包括：使用OHE独热编码对流量数据进行转换；对特征向量进行降维处理；使用SRU网络进行特征学习；训练进行异常检测的softmax分类器。

4.根据权利要求3所述的一种基于SRU网络异常流量的检测方法，其特征在于，所述SRU网络模型调用，异常检测输出具体实现为：通过调用训练构建的分类器输出分类决策结果，判断流量是否异常。

5.一种基于SRU网络异常流量的检测系统，其特征在于，包括：

数据采集模块，用于根据实际应用场景采集数据网络流量数据；

数据预处理模块，将采集的数据网络流量数据进行预处理；

SRU网络模型构建与训练模块，基于预处理数据，构建SRU网络模型，训练网络，提取并分析特征，对训练数据集进模型训练；

异常检测模块，调用SRU网络模型，输出流量异常检测结果。

6.根据权利要求5所述的一种基于SRU网络异常流量的检测方法，其特征在于，所述数据预处理模块包括：将预处理数据整理成数据集；属性转换，将各类非数值型数据进行数值编码；属性归一化处理，将数据采用最小最大规范化方法归一化至[0,1]区间；优化不平衡数据。

7.根据权利要求5所述的一种基于SRU网络异常流量的检测方法，其特征在于，所述SRU网络模型构建与训练模块实现：使用OHE独热编码对流量数据进行转换；对特征向量进行降维处理；使用SRU网络进行特征学习；训练进行异常检测的softmax分类器。

8.根据权利要求7所述的一种基于SRU网络异常流量的检测方法，其特征在于，所述异常检测模块具体实现为：通过调用训练构建的分类器输出分类决策结果，判断流量是否异常。