-
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
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：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
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：CN114338437A
公开(公告)日：2022-04-12
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06K9/62
Abstract: 本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对应的流量分类结果训练后得到的。本发明为字节序列中的每个字节分别进行位置编码，可以有效提取字节序列中各字节的关键位置信息，提高流量分类网络模型识别的准确率。
-
公开(公告)号：CN113783717B
公开(公告)日：2023-03-24
申请号：CN202110926805.9
申请日：2021-08-12
Applicant: 北京邮电大学
IPC: H04L41/147 , G06N3/045 , G06N3/048 , G06N3/0499
Abstract: 本发明提供一种智慧城市网络流量预测方法及系统，方法包括：基于卡尔曼滤波器对原始时序网络流量数据进行预处理；基于时序卷积网络，获取预处理后的原始时序网络流量数据的目标特征序列；将所述目标特征序列输入至LSTM长短期记忆网络，以获取所述原始时序网络流量数据的预测结果。所述系统执行所述方法。本发明将卡尔曼滤波器、TCN和LSTM网络协同结合在一起，通过确定卡尔曼滤波器来消除原始时序网络流量数据中存在的噪声，以减少其干扰，从而实现高精度的预测，然后采用TCN从这些数据中提取潜在特征，最后，采用LSTM实现对原始时序网络流量数据的预测。
-
Patent Agency Ranking
公开(公告)号：CN114186168A
公开(公告)日：2022-03-15
申请号：CN202111404951.1
申请日：2021-11-24
Applicant: 北京邮电大学
Abstract: 本发明提供一种面向智能城市网络资源的相关性分析方法及装置，所述方法包括：获取智能城市网络的多组不同的属性变量，并基于典型相关分析得到所述属性变量的最优相关系数；基于多核模型将所述最优相关系数对应的属性变量映射至子空间，得到网络运行数据特征向量；其中，所述多核模型是基于多种核函数进行线性组合建立的；基于欧式距离度量计算所述网络运行数据特征向量的距离，并根据所述距离和所述核函数线性组合的权重得到网络运行数据特征向量的相关性。本发明通过将多种核函数与典型相关分析相结合，从而能够对非线性的网络数据进行处理，得到更加准确的网络数据的相关性大小。
-
公开(公告)号：CN113783717A
公开(公告)日：2021-12-10
申请号：CN202110926805.9
申请日：2021-08-12
Applicant: 北京邮电大学
Abstract: 本发明提供一种智慧城市网络流量预测方法及系统，方法包括：基于卡尔曼滤波器对原始时序网络流量数据进行预处理；基于时序卷积网络，获取预处理后的原始时序网络流量数据的目标特征序列；将所述目标特征序列输入至LSTM长短期记忆网络，以获取所述原始时序网络流量数据的预测结果。所述系统执行所述方法。本发明将卡尔曼滤波器、TCN和LSTM网络协同结合在一起，通过确定卡尔曼滤波器来消除原始时序网络流量数据中存在的噪声，以减少其干扰，从而实现高精度的预测，然后采用TCN从这些数据中提取潜在特征，最后，采用LSTM实现对原始时序网络流量数据的预测。
-
公开(公告)号：CN114338437B
公开(公告)日：2023-12-29
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06F18/2415 , G06F18/214
Abstract: 量分类网络模型识别的准确率。本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对(56)对比文件葛宁玲《.基于相关性分析的多维数据融合方法》《.中国优秀硕士学位论文全文数据库信息科技辑》.2021,(第05期),全文.王靖华，何迪《.基于数据包字节长度的线性自回归(Autoregression)和支持向量分类机(SVM)的网络流量预测建模与分析》《.微型电脑应用》.2005,(第11期),1-3,23.Yonghua Huo;Chunxiao Song;Sheng Gao;Haodong Yang;Yu Yan;Yang Yang《.NetworkTraffic Prediction Method Based on TimeSeries Characteristics》《.10thInternational Conference on ComputerEngineering and Networks》.2020,全文.
-
公开(公告)号：CN113657429B
公开(公告)日：2023-07-07
申请号：CN202110736231.9
申请日：2021-06-30
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
Abstract: 本发明提供一种面向数字孪生城市物联网的数据融合方法及装置，方法包括：获取物联网终端的异常类别的完整命题识别框架和物联网终端的系统属性数据支持度；根据完整命题识别框架中各个命题的支持区间，将系统属性数据支持度转化为DS证据理论中的证据；基于有序加权平均OWA算子融合证据。所述装置用于执行上述方法。本发明根据物联网应用终端构建完整命题识别框架及系统属性数据支持度，基于完整命题识别框架中各命题的支持区间，将系统属性数据支持度转化为证据后应用OWA算子完成数据的融合，有效解决证据之间存在较大冲突问题的同时，保证了冲突证据持有一定权重，能够显著提高对物联网终端异常预测的准确性和可靠性。
-
公开(公告)号：CN113657429A
公开(公告)日：2021-11-16
申请号：CN202110736231.9
申请日：2021-06-30
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
IPC: G06K9/62
Abstract: 本发明提供一种面向数字孪生城市物联网的数据融合方法及装置，方法包括：获取物联网终端的异常类别的完整命题识别框架和物联网终端的系统属性数据支持度；根据完整命题识别框架中各个命题的支持区间，将系统属性数据支持度转化为DS证据理论中的证据；基于有序加权平均OWA算子融合证据。所述装置用于执行上述方法。本发明根据物联网应用终端构建完整命题识别框架及系统属性数据支持度，基于完整命题识别框架中各命题的支持区间，将系统属性数据支持度转化为证据后应用OWA算子完成数据的融合，有效解决证据之间存在较大冲突问题的同时，保证了冲突证据持有一定权重，能够显著提高对物联网终端异常预测的准确性和可靠性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.063 seconds)
