申请/专利权人:清华大学
申请日:2023-12-13
公开(公告)日:2024-04-16
公开(公告)号:CN117896100A
主分类号:H04L9/40
分类号:H04L9/40;H04L41/06;G06F18/2413;G06F18/243;G06F18/232;G06N3/0455;G06N3/0985;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明公开了基于元学习的恶意流量检测系统假阳性清洗方法及装置,该方法基于恶意流量检测系统的数据集训练初始Transformer模型,得到目标Transformer模型;对目标Transformer模型的激活状态进行学习,得到目标元学习模型;利用目标Transformer模型处理与恶意流量检测系统产生的警报相关联的流量,得到神经元激活状态;利用目标元学习模型对神经元激活状态进行预测,以得到警报的假阳性识别结果。本发明无需人工区分真阳性警报和假阳性警报,降低了运营成本和假阳性警报数量,提高了假阳性警报的识别效率。
主权项:1.一种基于元学习的恶意流量检测系统假阳性清洗方法,其特征在于,所述方法包括:基于恶意流量检测系统的数据集训练初始动态交互Transformer模型,得到目标Transformer模型;对所述目标Transformer模型的激活状态进行学习,得到目标元学习模型;利用所述目标Transformer模型处理与所述恶意流量检测系统产生的警报相关联的流量,得到神经元激活状态;利用所述目标元学习模型对所述神经元激活状态进行预测,以得到所述警报的假阳性识别结果。
全文数据:
权利要求:
百度查询: 清华大学 一种基于元学习的恶意流量检测系统假阳性清洗方法
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。