公开(公告)号：CN114818928B

公开(公告)日：2024-11-05

申请号：CN202210450930.1

申请日：2022-04-27

Applicant: 中国电子科技集团公司第五十四研究所 ,  北京邮电大学

Inventor： 霍永华 ,  葛洪武 ,  商英俊 ,  罗有平 ,  张杰 ,  冯金顺 ,  冀云刚 ,  杨杨 ,  喻鹏 ,  高博文

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及网络流量分类领域，具体涉及一种改进GRU模型的网络流量流特征分类方法。本发明以流数据包长度序列为输入，以改进的GRU神经网络模型提取流量数据代表性特征，降低模型复杂度、减少模型训练时间、提高分类模型的准确率。在传统GRU的计算过程中融入了另外的门控机制，允许信息高速无障碍得通过深层神经网络的各层，有效避免了可能出现的梯度问题，提升了模型分类准确率。

公开(公告)号：CN114781492A

公开(公告)日：2022-07-22

申请号：CN202210325598.6

申请日：2022-03-30

Applicant: 中国电子科技集团公司第五十四研究所 ,  北京邮电大学

Inventor： 霍永华 ,  黄伟 ,  焦利彬 ,  冀云刚 ,  杨杨 ,  王颖 ,  郭义豪

IPC: G06K9/62

Abstract: 本发明涉及流量数据增强领域，针对网络流量数据难于获取且大部分数据往往彼此间差异性很小，因而时常出现数据类别严重不平衡的难题，提出了一种面向样本不均衡的网络流量数据增强方法。本发明对网络流量数据集进行聚类后划分少数类样本集合和多数类样本集合，通过计算聚类后数据中少数类样本的稀疏度和差异度，为少数类样本赋予初始权重后，基于SMOTE合成新样本并生成新的数据集。通过本发明提出的过采样数据增强方法，可以更有效地选择出数据集中分布稀疏处样本和边界处样本，提升生成数据的质量。本发明提供的方法为类别不平衡数据集提供了快速、有效的数据增强方案，适用于输入为网络流量数据集的分类模型执行前的数据增强过程。

公开(公告)号：CN114781492B

公开(公告)日：2024-11-08

申请号：CN202210325598.6

申请日：2022-03-30

Applicant: 中国电子科技集团公司第五十四研究所 ,  北京邮电大学

Inventor： 霍永华 ,  黄伟 ,  焦利彬 ,  冀云刚 ,  杨杨 ,  王颖 ,  郭义豪

IPC: G06F18/23213 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明涉及流量数据增强领域，针对网络流量数据难于获取且大部分数据往往彼此间差异性很小，因而时常出现数据类别严重不平衡的难题，提出了一种面向样本不均衡的网络流量数据增强方法。本发明对网络流量数据集进行聚类后划分少数类样本集合和多数类样本集合，通过计算聚类后数据中少数类样本的稀疏度和差异度，为少数类样本赋予初始权重后，基于SMOTE合成新样本并生成新的数据集。通过本发明提出的过采样数据增强方法，可以更有效地选择出数据集中分布稀疏处样本和边界处样本，提升生成数据的质量。本发明提供的方法为类别不平衡数据集提供了快速、有效的数据增强方案，适用于输入为网络流量数据集的分类模型执行前的数据增强过程。

公开(公告)号：CN114818928A

公开(公告)日：2022-07-29

申请号：CN202210450930.1

申请日：2022-04-27

Applicant: 中国电子科技集团公司第五十四研究所 ,  北京邮电大学

Inventor： 霍永华 ,  葛洪武 ,  商英俊 ,  罗有平 ,  张杰 ,  冯金顺 ,  冀云刚 ,  杨杨 ,  喻鹏 ,  高博文

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及网络流量分类领域，具体涉及一种改进GRU模型的网络流量流特征分类方法。本发明以流数据包长度序列为输入，以改进的GRU神经网络模型提取流量数据代表性特征，降低模型复杂度、减少模型训练时间、提高分类模型的准确率。在传统GRU的计算过程中融入了另外的门控机制，允许信息高速无障碍得通过深层神经网络的各层，有效避免了可能出现的梯度问题，提升了模型分类准确率。