申请/专利权人：苏州大学

申请日：2024-01-11

公开（公告）日：2024-04-02

公开（公告）号：CN117811830A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/088;G06N3/0464;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明提供基于时空可分离自注意力的罕见入侵检测方法及系统，涉及网络入侵检测技术领域。该基于时空可分离自注意力的罕见入侵检测方法，包括：接收原始数据集，所述原始数据集具体为用于网络入侵检测的数据集；对原始数据集的离散数据进行编码，将编码后的离散数据映射成二进制向量；将原始数据集的数据转换为窗口序列的特征包；将所述二进制向量输入到预设的模型，得到动态位置嵌入模型；将特征包输入到动态位置嵌入模型进行特征提取；通过提取的特征完成自注意力计算，得到无监督学习模型。解决了现有技术只能检测已知的单一攻击，检测效果随着新型攻击类型的膨胀逐渐下降，难以处理越来越多的新型网络安全威胁问题。

主权项：1.一种基于时空可分离自注意力的罕见入侵检测方法，其特征在于，包括：接收原始数据集，所述原始数据集具体为用于网络入侵检测的数据集；对原始数据集的离散数据进行编码，将编码后的离散数据映射成二进制向量；将原始数据集的数据转换为窗口序列的特征包；将所述二进制向量输入到预设的模型，得到动态位置嵌入模型；将特征包输入到动态位置嵌入模型进行特征提取；通过提取的特征完成自注意力计算，得到无监督学习模型，并通过所述无监督学习模型进行罕见入侵的检测。

全文数据：

权利要求：

百度查询： 苏州大学 基于时空可分离自注意力的罕见入侵检测方法及系统

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