申请/专利权人:华东交通大学
申请日:2023-05-04
公开(公告)日:2023-06-06
公开(公告)号:CN116232761A
主分类号:H04L9/40
分类号:H04L9/40;G06F18/23213;G06F18/2431;G06F18/22;G06N3/08;G06F123/02
优先权:
专利状态码:有效-授权
法律状态:2023.07.14#授权;2023.06.23#实质审查的生效;2023.06.06#公开
摘要:本发明属于信息安全技术领域,涉及一种基于shapelet的网络异常流量检测方法及系统,该方法首先抓取流量并制作成csv文件,对csv文件进行数据预处理,再通过numpy处理成为npy文件,然后划分训练集和测试集;采用学习时间序列shapelet算法,生成流量数据时间序列中最具有代表性的shapelet序列;用shapelet序列训练CNN‑LSTM异常检测模型,用训练好的CNN‑LSTM异常检测模型进行流量异常检测,得到流量多分类检测结果。本发明采用shapelet时序数据处理技术得到shapelet序列,用于网络流量异常检测,可提高检测率,降低误报率和漏报率。
主权项:1.基于shapelet的网络异常流量检测方法,其特征在于,包括如下步骤:步骤S1:抓取流量并制作成csv文件;步骤S2:对csv文件进行数据预处理,再通过numpy处理成为npy文件,然后划分训练集和测试集;步骤S3:采用学习时间序列shapelet算法,生成流量数据时间序列的shapelet序列,随着流量数据时间序列的数量线性缩放,在缩放不变性、平移不变性和移位不变性下,通过k-shape聚类比较shapelet序列和计算质心,初始化多个shapelet序列,通过DTW距离筛选最佳shapelet序列;步骤S4:用最佳shapelet序列训练CNN-LSTM异常检测模型,用训练好的CNN-LSTM异常检测模型进行流量异常检测,得到流量多分类检测结果。
全文数据:
权利要求:
百度查询: 华东交通大学 基于shapelet的网络异常流量检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。