申请/专利权人:网络通信与安全紫金山实验室
申请日:2023-10-26
公开(公告)日:2024-04-26
公开(公告)号:CN117933355A
主分类号:G06N3/094
分类号:G06N3/094;G06N3/045;G06N3/0475;G06N3/0464;G06F18/214;G06F18/22;G06F18/2433;G06V10/44;H04L9/40
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明提供一种流量检测模型的训练方法、流量检测方法及相关设备,涉及信息安全技术领域,流量检测模型的训练方法包括:对判别器和生成器执行至少一次训练,在当前训练中执行以下操作:将真实流量样本特征输入生成器中,生成当前拟合流量训练特征;将真实流量样本特征和当前拟合流量训练特征输入判别器中,获取当前类别向量;在当前类别向量的最大分量值大于第一阈值,且判别器的当前损失小于或等于第二阈值,且生成器的当前损失小于或等于第三阈值,且第一阈值所引起的当前损失小于或等于第四阈值的情况下,获取训练好的判别器和训练好的生成器。本发明通过训练好的判别器和训练好的生成器实现提高对恶意变种流量的检测能力。
主权项:1.一种流量检测模型的训练方法,其特征在于,所述流量检测模型包括:判别器和生成器;所述训练方法包括:对所述判别器和所述生成器执行至少一次训练,在当前训练中执行以下操作:将真实流量样本特征输入所述生成器中,生成当前拟合流量训练特征;将所述真实流量样本特征和所述当前拟合流量训练特征输入判别器中,获取当前类别向量;在所述当前类别向量的最大分量值小于或等于第一阈值的情况下,执行下一次训练;所述在所述当前类别向量的最大分量值大于所述第一阈值的情况下,分别将所述判别器的当前损失与第二阈值、所述生成器的当前损失与第三阈值,以及所述第一阈值所引起的当前损失与第四阈值进行比较;在所述判别器的当前损失大于所述第二阈值,或所述生成器的当前损失大于所述第三阈值,或所述第一阈值所引起的当前损失大于所述第四阈值的情况下,执行下一次训练;在所述判别器的当前损失小于或等于所述第二阈值,且所述生成器的当前损失小于或等于所述第三阈值,且所述第一阈值所引起的当前损失小于或等于所述第四阈值的情况下,获取训练好的判别器和训练好的生成器。
全文数据:
权利要求:
百度查询: 网络通信与安全紫金山实验室 流量检测模型的训练方法、流量检测方法及相关设备
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。