-
公开(公告)号:CN115426133B
公开(公告)日:2024-07-05
申请号:CN202210962767.7
申请日:2022-08-11
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: H04L9/40 , G06F18/214 , G06F18/24 , G06N3/08 , G06N5/02
Abstract: 本发明属于网络安全技术领域,特别涉及一种基于异构特征簇的深度学习网络异常检测模型构建方法、检测方法和系统,针对同一网络流,利用专家知识抽取若干类别的网络安全特征数据,由每类网络安全特征数据构造对应的数据特征簇;为每类数据特征簇构建对应分支的异常检测模型,利用该类下的数据特征簇来组建异构特征数据集,并利用该异构特征数据集对分支异常检测模型进行训练;针对每个分支的异常检测模型输出,利用拟态裁决来确定最终网络异常检测结果。本发明基于同一网络系统导出的异构数据集,对多特征簇分别进行异常检测并通过综合仲裁输出,以能够准确、全面反映网络状态信息,有效屏蔽单检测器可能产生的检测错误,提升检测准确率。
-
公开(公告)号:CN115426133A
公开(公告)日:2022-12-02
申请号:CN202210962767.7
申请日:2022-08-11
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于网络安全技术领域,特别涉及一种基于异构特征簇的深度学习网络异常检测模型构建方法、检测方法和系统,针对同一网络流,利用专家知识抽取若干类别的网络安全特征数据,由每类网络安全特征数据构造对应的数据特征簇;为每类数据特征簇构建对应分支的异常检测模型,利用该类下的数据特征簇来组建异构特征数据集,并利用该异构特征数据集对分支异常检测模型进行训练;针对每个分支的异常检测模型输出,利用拟态裁决来确定最终网络异常检测结果。本发明基于同一网络系统导出的异构数据集,对多特征簇分别进行异常检测并通过综合仲裁输出,以能够准确、全面反映网络状态信息,有效屏蔽单检测器可能产生的检测错误,提升检测准确率。
-