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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD