[发明专利]一种基于混合神经网络的异常流量检测方法及系统在审
| 申请号： | 201910416314.2 | 申请日： | 2019-05-20 |
| 公开（公告）号： | CN110138787A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 郭文忠;连鸿飞;张浩;谢麟 | 申请（专利权）人： | 福州大学 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;G06N3/08;G06N3/04 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 钱莉;蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于混合神经网络的异常流量检测方法及系统，首先采集网络流量数据，并以网络流为粒度进行特征提取与数据预处理；然后通过卷积神经网络学习网络流量数据中的空间特征；再将这些包含空间信息的特征输入到双向长短时记忆网络进一步学习其时序特征；最后输出检测结果。本发明相比于目前的机器学习与深度学习异常流量检测方法能更好的挖掘高维特征，提升入侵检测模型的准确性。本发明设计合理，所得分类模型精确率、检测率和准确率均较高。 | ||
| 搜索关键词： | 异常流量检测 混合神经网络 网络流量数据 卷积神经网络 入侵检测模型 数据预处理 分类模型 机器学习 记忆网络 空间特征 空间信息 时序特征 输出检测 特征输入 特征提取 检测率 网络流 准确率 高维 学习 采集 挖掘 | ||
【主权项】：
1.一种基于混合神经网络的异常流量检测方法，其特征在于，包括离线训练环节与实时检测环节；所述离线训练环节具体为：采集流量数据并按网络流为粒度进行特征提取，对数据进行标注，经数据预处理后生成训练集，经过多轮模型训练得到异常流量检测模型；所述实时检测环节具体为：采集固定时间窗口内的流量数据并按网络流为粒度进行特征提取，进行数据预处理后将数据输入训练好的异常流量检测模型中进行检测，并根据检测结果做不同的处理。
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福州大学，未经福州大学许可，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/201910416314.2/，转载请声明来源钻瓜专利网。
