申请/专利权人：安徽建筑大学

申请日：2023-12-19

公开（公告）日：2024-04-12

公开（公告）号：CN117879895A

主分类号：H04L9/40

分类号：H04L9/40;H04L43/026;H04L43/04;H04L43/067;G06N3/044;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了基于深度学习的网络流量异常检测方法，包括以下步骤：从网络历史流量中提取历史流量数据，从历史流量数据中提取原始流量数据和对应的标签数据；提取原始流量数据对应的流量特征，对流量特征进行预处理之后得到特征参数，涉及网络流量检测技术领域，解决了预测网络流量是否异常的误报率高技术问题；本发明对原始流量数据的传输速度进行提取，基于最值速度和平均速度能够计算接近系数，通过该接近系数能够衡量网络流量传输效率，而将该接近系数作为特征参数，能够将训练的网络流量预测模型将传输效率与其他的特征参数进行综合判断，以实现对长时间以低速或者短时间高速使用的网络流量进行异常评估，从而能够提升其对异常网络流量检测的精准度。

主权项：1.基于深度学习的网络流量异常检测方法，其特征在于，包括以下步骤：S1：从网络历史流量中提取历史流量数据，从历史流量数据中提取原始流量数据和对应的标签数据；提取原始流量数据对应的流量特征，对流量特征进行预处理之后得到特征参数；其中，流量特征包括传输速度、传输时长和传输时间段；S2：将流量特征和对应的特征参数整合为标准输入数据，将对应标签数据整合为标准输出数据；通过标准输入数据和标准输出数据训练深度学习网络模型，得到网络流量预测模型；其中，标签数据用于判断原始流量是否异常；S3：提取待预测网络流量，通过网络流量预测模型获取待预测流量的标签数据；基于标签数据判断待预测流量是否异常；其中，标签数据通过数字设置。

全文数据：

权利要求：

百度查询： 安徽建筑大学 基于深度学习的网络流量异常检测方法

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