申请/专利权人：浙江工业大学

申请日：2024-01-05

公开（公告）日：2024-04-16

公开（公告）号：CN117896129A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：一种基于图卷积神经网络的小样本恶意流量检测方法及系统，其方法包括：S1：将采集到的网络流按照五元组进行分割；S2：去除重传包，选取前N个数据包作为一个网络流的表示，对选取的数据包进行填充对齐和匿名化处理，提取IP地址对信息；S3：将网络流构建为交互重现图的图结构数据；S4：基于图卷积神经网络构建孪生网络模型，并训练构建的模型；S5：使用模型检测网络流量中的恶意流量；本发明还包括一种系统，该系统由网络流量采集模块、网络流量处理模块、模型训练模块和恶意流量检测模块构成。本发明将网络流量建模为交互重现图的图结构数据，并使用图卷积神经网络构建捕获其中丰富的结构特性，实现较高精度的检测效果。

主权项：1.一种基于小样本学习的恶意流量检测方法，其特征在于，包括如下步骤：S1：将采集到的网络流量按照五元组进行分割，所述的五元组是源IP地址、目的IP地址、源端口号、目的端口号和传输层协议号；S2：对分割好的网络流进行更进一步的处理，去除重传包，选取前N个数据包作为一个网络流的表示，对选取的数据包进行填充对齐和匿名化处理，并提取IP地址对信息；S3：将处理好的网络流量构建成名为交互重现图的图结构数据，并且提取节点关系矩阵和节点特征矩阵；S4：基于图卷积神经网络构建孪生网络模型进行恶意流量检测，并采用节点关系矩阵和节点特征矩阵训练构建的模型；S5：使用训练好的模型检测网络流量中的恶意流量。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于小样本学习的恶意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