[发明专利]基于SMOTE算法和集成学习的恶意流量检测方法有效
| 申请号： | 201910823488.0 | 申请日： | 2019-09-02 |
| 公开（公告）号： | CN110572382B | 公开（公告）日： | 2021-05-18 |
| 发明（设计）人： | 杨超;张晓雨;苏锐丹;郑昱;强薇;贾哲 | 申请（专利权）人： | 西安电子科技大学;中国电子科技集团公司第五十四研究所 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;G06K9/62;G06N20/00 |
| 代理公司： | 陕西电子工业专利中心 61205 | 代理人： | 陈宏社;王品华 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于SMOTE算法和集成学习的恶意流量检测方法，旨在保证恶意流量检测准确率的基础上，解决因良性及恶意流量不均衡导致的恶意流量检测召回率较低的技术问题，实现步骤为：获取良性流量和恶意流量；提取所获流量的统计特征，得到恶意流特征向量和良性流特征向量，构成训练集和测试集；对恶意流特征向量进行聚类；采用KNN近邻算法算出每个聚类簇的危险点，删除危险点获得安全聚类簇；优化SMOTE算法；采用优化后的SMOTE算法以聚类簇簇心为中心，簇内任一样本为参照样本插值生成新样本；添加新样本到训练集中获得平衡训练集；构建集成学习分类器模型；通过多数类投票法获取测试集的预测标签。 | ||
| 搜索关键词： | 基于 smote 算法 集成 学习 恶意 流量 检测 方法 | ||
【主权项】：
1.一种基于SMOTE算法和集成学习的恶意流量检测方法，其特征在于，包括如下步骤：/n(1)获取训练集A和测试集T：/n(1a)对n个恶意流量采集包和n个良性流量采集包分别进行TCP重传过滤，并对经过TCP重传过滤的n个恶意流量采集包和n个良性流量采集包分别进行五元组分流，得到P条恶意流和Q条良性流；/n(1b)提取每条恶意流的特征向量和每条良性流的特征向量，得到P条恶意流特征向量g
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西安电子科技大学;中国电子科技集团公司第五十四研究所，未经西安电子科技大学;中国电子科技集团公司第五十四研究所许可，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/201910823488.0/，转载请声明来源钻瓜专利网。
