一种恶意流量数据检测方法及系统

    公开(公告)号:CN116055165A

    公开(公告)日:2023-05-02

    申请号:CN202310032888.6

    申请日:2023-01-10

    IPC分类号: H04L9/40 G06N3/08 G06N3/0464

    摘要: 本申请提供了一种恶意流量数据检测方法,涉及恶意流量入侵检测技术领域。在执行所述方法时,先获取目标漏洞,根据目标漏洞获取对应的渗透攻击工具、攻击载荷以及编码器,然后在渗透攻击工具、攻击载荷以及编码器中分别插入探针代码,利用插入探针代码后的渗透攻击工具、插入探针代码后的攻击载荷以及插入探针代码后的编码器自动生成恶意流量数据,再对恶意流量数据中的字段信息进行处理,得到恶意流量数据集,最后将恶意流量数据集中的数据输入训练好的并联神经网络模型,得到恶意流量数据的种类。使得在判别恶意流量的种类时,不限于利用对已知的恶意流量特征或模式来判别入侵,达到了能够对多种恶意流量检测的效果。

    一种神经网络压缩方法及装置
    9.
    发明公开

    公开(公告)号:CN114662685A

    公开(公告)日:2022-06-24

    申请号:CN202210317603.9

    申请日:2022-03-29

    IPC分类号: G06N3/067 G06N3/08

    摘要: 本发明提供一种神经网络压缩方法及装置,为每个神经网络的每个参数配置配置值,在配置值的邻域中搜索性能更高的配置值,从性能更高的配置值中选择预设个性能最大的配置值和距离参考集最大的配置值作为参考值构建参考集,选择参考集中任意两个参考值构建子集,得到多个子集,对子集中的两个参考值进行线性组合计算,得到最优解,利用最优解执行神经网络的压缩。在本方案中,为神经网络的每个参数配置配置值,使得神经网络参数空间的每一部分都被搜索到,并在不改变参数配置值的情况下,筛选出高性能的配置值,利用线性组合运算,得到最优解,利用最优解执行神经网络的压缩,从而实现不改变参数值并保持神经网络精度和性能的同时压缩神经网络。

    一种代码检测方法、装置及电子设备

    公开(公告)号:CN114266049A

    公开(公告)日:2022-04-01

    申请号:CN202111593496.4

    申请日:2021-12-23

    IPC分类号: G06F21/56 G06F21/57

    摘要: 本发明提供了一种代码检测方法、装置及电子设备,本发明中,对目标数据进行数据清洗操作,得到第一数据,将第一数据中的每一词与预设词库中的词进行位置比对,以确定第一数据中的每一词对应的特征值,将第一数据中的每一词对应的特征值按照词排列顺序进行组合,得到目标数据对应的特征矩阵,调用预设代码检测模型对特征矩阵进行处理,得到目标数据的漏洞检测结果;预设代码检测模型基于训练样本训练得到;训练样本包括漏洞代码样本的漏洞类型以及特征矩阵。本发明中,由于预设代码检测模型基于大量训练样本训练得到,则通过训练得到的预设代码检测模型对待进行代码检测的目标数据进行分析,能够提高漏洞检测的准确性,满足信息安全需求。