[发明专利]一种基于人工智能的网络流量检测装置

权利要求书

1.一种基于人工智能的网络流量检测装置，包括数据采集模块、数据预处理模块、特征提取模块、特征融合模块和分类器模块，其特征在于：

所述数据采集模块连接数据预处理模块；用于抓取经过网卡的协议包，并将抓取到的协议包按照数据包切分方式进行切分，以形成单个网络数据文件提供给数据预处理模块；

所述数据预处理模块连接特征提取模块；用于读取数据采集模块提供的网络数据文件,并根据读取结果生成灰度图和字节流输出至特征提取模块；

所述特征提取模块连接特征融合模块；用于接收灰度图和字节流，根据接收的灰度图提取空间特征，根据接收的字节流生成序列特征；包括：输入层、卷积神经网络(CNN)和循环神经网络(GRU)，其中卷积神经网络由卷积层和全局池化层组成，循环神经网络由下采样层和循环神经网络层组成；输入层分别连接卷积层和下采样层，卷积层连接全局池化层，下采样层连接循环神经网络；输入层用于接收灰度图和字节流并输出灰度图给卷积层，输出字节流给下采样层；卷积层用于对灰度图进行包含卷积操作的特征提取处理并输出至全局池化层；全局池化层用于对卷积层输出的特征进行池化处理，得到网络流量的空间特征输出至特征融合模块；下采样层用于对字节流进行下采样处理后输出至循环神经网络；循环神经网络根据下采样处理后的字节流输出网络流量的序列特征至特征融合模块；

所述特征融合模块对接收的空间特征和序列特征进行融合，得到新的特征集输入到分类器模块中，完成网络流量分类任务；所述特征融合模块由特征重组单元和权重分配单元组成，特征重组单元连接在特征提取单元后，用于接收空间特征和序列特征后，将其拼接成同时包含空间特征和序列特征的特征集θ，输出至权重分配单元；权重分配单元对特征集θ依次采用线性、非线性和归一化处理使其融合，得到数据集B，然后将数据集B与特征集θ进行点积处理得到新特征集θ^τ输出至分类器模块；

所述分类器模块包含全连接层和分类激活函数Softmax；全连接层接收新特征集θ^τ并输出新特征集θ^τ到分类激活函数Softmax进行分类，完成网络流分类任务。

2.根据权利要求1所述的一种基于人工智能的网络流量检测装置，其特征在于：所述权重分配单元得到新特征θ^τ的详细过程如下：

步骤1、利用特征集θ，采用双曲线正切函数计算出：

w_i＝tanh(u_iθ+b_i)

其中u_i,b_i为网络需要训练的参数，w_i为转换后的特征表示；

步骤2、对步骤1计算得到的w_i进行归一化处理，得到各个特征权重α_i，完成权重分配；

步骤3、将步骤2得到的α_i与原特征点积，重新组合为新特征集θ^τ。

3.根据权利要求1所述的一种基于人工智能的网络流量检测装置，其特征在于：所述数据预处理模块是按照8位一字节对读取的字节流重新排列后，生成的灰度图和字节流。