-
公开(公告)号：CN109376797B
公开(公告)日：2023-05-16
申请号：CN201811380024.9
申请日：2018-11-20
申请人： 大连理工大学
IPC分类号： G06F18/241 , G06F18/2413 , H04L47/2441
摘要： 一种基于二进制编码器和多哈希表的网络流量分类方法属于计算机网络和机器学习的交叉领域。本发明首先通过网络流量数据采集模块获取网络流量数据，然后提取网络流统计特征并进行预处理，得到特征数据之后，需要对网络流量构建无监督二进制编码器并得到其二进制编码，接着在哈希索引模块针对网络流量数据创建多个子串的哈希表，即创建哈希索引，最后采用机器学习方法即基于多哈希表的KNN分类模块对得到的哈希编码进行分类。本发明无需反复对分类器进行学习训练，能够提高分类算法的运行速率及可扩展性；利用二进制编码降低流量数据所占用的存储空间和流量分类所消耗的计算资源。本方法更适用于解决当前新应用层出不穷的互联网环境下的流量分类问题。
-
公开(公告)号：CN109639739B
公开(公告)日：2020-05-19
申请号：CN201910094284.8
申请日：2019-01-30
申请人： 大连理工大学
摘要： 一种基于自动编码器网络的异常流量检测方法，属于计算机网络和机器学习的交叉领域。本发明首先通过流量数据获取模块捕获数据；其次，通过数据预处理模块对数据进行预处理；再次，通过改进的多自动编码器网络输出流量数据的哈希编码；最后，采用基于数据分布比例的检测模块对得到的哈希编码进行异常检测多分类。本发明结合了神经网络和哈希编码的优势，利用哈希编码技术不仅降低了消耗的的存储空间和计算资源，还将只能应用于二分类入侵检测场景的KitNET自动编码器网络改进为多分类入侵检测方法，并设计了基于数据分布比例的流量哈希编码分类方法。本方法能够改善异常检测技术的运行速率及可扩展性，更适用解决当前新攻击类型层出不穷的异常检测问题。
-
公开(公告)号：CN109639739A
公开(公告)日：2019-04-16
申请号：CN201910094284.8
申请日：2019-01-30
申请人： 大连理工大学
摘要： 一种基于自动编码器网络的异常流量检测方法，属于计算机网络和机器学习的交叉领域。本发明首先通过流量数据获取模块捕获数据；其次，通过数据预处理模块对数据进行预处理；再次，通过改进的多自动编码器网络输出流量数据的哈希编码；最后，采用基于数据分布比例的检测模块对得到的哈希编码进行异常检测多分类。本发明结合了神经网络和哈希编码的优势，利用哈希编码技术不仅降低了消耗的的存储空间和计算资源，还将只能应用于二分类入侵检测场景的KitNET自动编码器网络改进为多分类入侵检测方法，并设计了基于数据分布比例的流量哈希编码分类方法。本方法能够改善异常检测技术的运行速率及可扩展性，更适用解决当前新攻击类型层出不穷的异常检测问题。
-
公开(公告)号：CN109376797A
公开(公告)日：2019-02-22
申请号：CN201811380024.9
申请日：2018-11-20
申请人： 大连理工大学
IPC分类号： G06K9/62 , H04L12/851
摘要： 一种基于二进制编码器和多哈希表的网络流量分类方法属于计算机网络和机器学习的交叉领域。本发明首先通过网络流量数据采集模块获取网络流量数据，然后提取网络流统计特征并进行预处理，得到特征数据之后，需要对网络流量构建无监督二进制编码器并得到其二进制编码，接着在哈希索引模块针对网络流量数据创建多个子串的哈希表，即创建哈希索引，最后采用机器学习方法即基于多哈希表的KNN分类模块对得到的哈希编码进行分类。本发明无需反复对分类器进行学习训练，能够提高分类算法的运行速率及可扩展性；利用二进制编码降低流量数据所占用的存储空间和流量分类所消耗的计算资源。本方法更适用于解决当前新应用层出不穷的互联网环境下的流量分类问题。
-
-
-
搜索结果
4 条记录 (耗时 0.022 秒)
