申请/专利权人：南京理工大学

申请日：2024-01-09

公开（公告）日：2024-03-08

公开（公告）号：CN117675406A

主分类号：H04L9/40

分类号：H04L9/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明公开了一种基于幂律分割长度序列的异构任务流量智能分析方法，包括：针对输入的目标任务分析流量，根据任务选择的不同，在包级、流级和主机级层面提取长度序列、时间序列和字段特征，构建元表征；通过频率索引对序列特征依据特征出现的频次进行重排序，对于新的特征序列依据幂律分布进行分割生成预处理数据集作为混合模态神经网络架构的输入项；通过多层感知机、卷积双向门控注意力和时间感知卷积上下文网络模型对流量进行识别、分类和预测。本发明通过特征时空映射表对输入原特征进行表征变换，结合网络流量智能分析模型的自定义设计，支持多种网络流量智能分析任务，充分利用现场网络流量大数据实现流量的有效治理。

主权项：1.一种基于幂律分割长度序列的异构任务流量智能分析方法，其特征在于，包括以下步骤：步骤1，基于五元组信息将输入流量样本分流处理为N条会话流量，并依据流量类型对其进行标记、分组、编号预处理操作；所述五元组为源地址、目的地址、源端口、目的端口、协议五元组；步骤2，在任务选择模块中对目标任务进行选择：流量识别任务、模式分类任务和时序预测任务；步骤3，逐流在包级、流级和主机级层面提取长度序列、时间序列和字段特征，将其转化为常量序列，构建流量样本的元表征矩阵；步骤4，基于步骤2的元表征矩阵，将元表征转换为常量类型数据，并且依据常量出现的频次进行索引重排，根据索引的幂律分布情况对数据集进行分割，生成预处理数据集；步骤5，利用步骤4生成的预处理数据集，将其输入至混合模态神经网络架构中，根据步骤2中所选任务的不同进入相应的训练网络通道，进行模型的训练。

全文数据：

权利要求：

百度查询： 南京理工大学 基于幂律分割长度序列的异构任务流量智能分析方法

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