基于LSTM和GAT算法的网络攻击行为检测方法、系统及终端

    公开(公告)号:CN115865458A

    公开(公告)日:2023-03-28

    申请号:CN202211491384.2

    申请日:2022-11-25

    IPC分类号: H04L9/40

    摘要: 本申请公开了一种基于LSTM和GAT算法的网络攻击行为检测方法、系统及终端,该方法包括:基于待检测的网络攻击行为序列,生成嵌入向量集合;将每个嵌入向量分别输入LSTM模块和GAT模块,分别获取序列模式向量和结构模式向量;对序列模式向量和结构模式向量进行对比学习,获取对比损失得分;将序列模式向量和结构模式向量输入多层感知机,获取预测损失得分;根据对比损失得分和预测损失得分,利用混合损失训练数据增强编码器和分类器,获取网络攻击行为检测结果。该系统包括:嵌入向量集合生成模块、双视角信息捕获模块、对比学习模块、多层感知模块和联合优化模块。通过本申请,能够有效提高网络攻击行为检测结果的准确性和可靠性。

    基于BP神经网络的系统资源预测方法及系统

    公开(公告)号:CN114661463A

    公开(公告)日:2022-06-24

    申请号:CN202210234741.0

    申请日:2022-03-09

    摘要: 本发明提供了基于BP神经网络的系统资源预测方法及系统,方法包括提取电网数据库中表征系统资源利用信息的数据集合,所述数据集合中包括多个采集数据项,每个采集数据项包括采集时间和当前采集时间下的数据值;根据所述数据集合,基于时段特征、用户特征和功能特征形成BP神经网络模型的输入数;将所述输入数据输入训练好的BP神经网络模型中,得到当前输入数据下的系统资源使用量。本发明利用机器学习方法分析预测资源需求量,对提取到的数据集合进行合理选取,使得输入数据的简洁性和与预测数据的相关性得到提高,减少了预测模型的复杂度,同时合理地指导系统中资源的分配,最终达到降本增效的目的。