[发明专利]基于深度学习的流量异常检测方法及装置有效
| 申请号： | 201711228968.X | 申请日： | 2017-11-29 |
| 公开（公告）号： | CN107948166B | 公开（公告）日： | 2020-09-25 |
| 发明（设计）人： | 汪建;王沛文;詹先;廖小文 | 申请（专利权）人： | 广东亿迅科技有限公司 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06 |
| 代理公司： | 深圳市精英专利事务所 44242 | 代理人： | 葛勤 |
| 地址： | 510000 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的流量异常检测方法及装置，所述方法通过对网络流量数据进行分段处理，对分段的流量数据进行统计，分类出正常与异常的流量数据，并分别对正常与异常流量数据进行标识，将标识的流量数据导入深度神经网络流量训练模型进行学习，得到一个深度神经网络流量预测模型，深度神经网络流量预测模型实现异常流量的预测判断，克服了传统人工监控和阈值预警的低效率及延迟长的缺点，并且深度神经网络能自己从大量数据中提取有用的数据特征，避免了人工对流量数据特征提取困难的问题。 | ||
| 搜索关键词： | 基于 深度 学习 流量 异常 检测 方法 装置 | ||
【主权项】：
一种基于深度学习的流量异常检测方法，其特征在于：包括训练流程和预测流程，训练流程包括，S10)、获取历史的网络流量数据；S20)、对网络流量数据进行分段处理，统计每段网络流量数据；S30)、对分段处理的网络流量数据进行分类，一类为正常网络流量数据，另一类为异常网络流量数据；S40)、分别对正常网络流量数据与异常网络流量数据作标识；S50)、将网络流量数据输入深度神经网络流量训练模型进行训练，得到一个深度神经网络流量预测模型；所述预测流程包括，S70)、将待预测的网络流量数据导入深度神经网络流量预测模型；S80)、深度神经网络流量预测模型计算出网络流量异常的概率；S90)、分别输出网络流量正常与异常的概率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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广东亿迅科技有限公司，未经广东亿迅科技有限公司许可，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/patent/201711228968.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于私有协议的安全送播系统及方法
- 下一篇：一种单点登录的方法和装置
