Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于数据分析的网络流量监测管理系统及方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本申请涉及网络流量的智能化管理领域,其具体地公开了一种基于数据分析的网络流量监测管理系统及方法,其首先采集待监测校园网络中的各个节点在各个时间段的网络流量数据以及各个节点之间的拓扑矩阵作为输入数据,接着使用深度学习技术对这些输入数据进行特征提取和分析以得到分类结果,所述分类结果用于表示待监测校园网络是否存在异常。这样,根据分类结果,有助于实现对校园网络的实时监测和预警。

主权项:1.一种基于数据分析的网络流量监测管理系统,其特征在于,包括:校园网络数据采集模块,用于采集待监测校园网络中的各个节点在各个时间段的网络流量数据以及各个节点之间的拓扑矩阵;校园网络特征获取模块,用于对所述各个节点在各个时间段的网络流量数据以及所述各个节点之间的拓扑矩阵分别进行特征提取和分析以得到网络流量综合特征矩阵以及节点拓扑特征矩阵;校园网络特征融合模块,用于将所述网络流量综合特征矩阵和所述节点拓扑特征矩阵进行特征融合以得到学校网络特征矩阵;校园网络分类结果生成模块,用于基于所述学校网络特征矩阵以得到分类结果,所述分类结果用于表示待监测校园网络是否存在异常;其中,所述校园网络特征获取模块,包括:网络流量特征提取单元,用于对所述各个节点在各个时间段的网络流量数据进行特征编码以得到所述网络流量综合特征矩阵;节点拓扑特征提取单元,用于将所述各个节点之间的拓扑矩阵通过包含二维卷积核的拓扑特征提取模块以得到所述节点拓扑特征矩阵;其中,所述校园网络分类结果生成模块,包括:校园网络特征提取单元,用于将所述学校网络特征矩阵通过基于卷积神经网络模型的学校网络分类特征提取模块以得到学校网络分类特征矩阵;校园网络特征优化单元,用于对所述学校网络分类特征矩阵进行基于动态深度特征定位的特征关联性改进以得到优化学校网络分类特征矩阵;校园网络分类单元,用于将所述优化学校网络分类特征矩阵通过分类器以得到分类结果;其中,所述校园网络特征优化单元,包括:将所述学校网络分类特征矩阵进行特征展平化以得到学校网络分类特征向量;对所述学校网络分类特征向量进行基于动态深度特征定位的特征关联性改进以得到优化学校网络分类特征向量;将所述优化学校网络分类特征向量按照所述特征展平化的方式进行反向特征聚合以得到所述优化学校网络分类特征矩阵;其中,对所述学校网络分类特征向量进行基于动态深度特征定位的特征关联性改进以得到优化学校网络分类特征向量,包括:以如下公式对所述学校网络分类特征向量进行基于动态深度特征定位的特征关联性改进以得到优化学校网络分类特征向量,其中,所述公式为:其中,表示所述学校网络分类特征向量,表示所述学校网络分类特征向量的第个位置的特征值,表示所述学校网络分类特征向量的均值,表示所述学校网络分类特征向量的长度,表示预定超参数,表示按位置点乘,表示所述优化学校网络分类特征向量;在上述公式中,对所述学校网络分类特征矩阵进行基于动态深度特征定位的特征关联性改进,其以所述学校网络分类特征矩阵的全局均值作为其动态成型深度锚定特征,对原始特征分布施加基于深度锚定特征的连贯性注意力响应机制,以在具有深度差的类散度空间进行位置散射响应深度相关性校正,从而使得所述原始特征分布具有高显著性的深度关联分布特性,以提高学校网络分类特征矩阵的特征显著性和避免特征冗余。

全文数据:

权利要求:

百度查询: 南京华飞数据技术有限公司 一种基于数据分析的网络流量监测管理系统及方法

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。