一种敏感网页识别与检测方法及装置

    公开(公告)号:CN107992764A

    公开(公告)日:2018-05-04

    申请号:CN201711211128.2

    申请日:2017-11-28

    Abstract: 本发明公开了一种敏感网页识别与检测方法及装置,该方法包括通过将ImageNet数据集输入至深度学习网络模型进行预训练;利用敏感网页数据训练集对所述进行预训练后的深度学习网络模型进行细粒度训练,得到敏感信息自动检测模型;将待检测网页转化为待检测的图像数据,并输入至所述敏感信息自动检测模型进行敏感网页识别与检测。利用已有神经网络模型经典的数据集,进行粗粒度神经网络参数训练,使之快速学习普通图像的深度特征;之后利用敏感网页数据集进行细粒度训练,学习到符合敏感网页自动识别和检测的深度特征,能够实现针对敏感网页文档进行自动识别和检测。

    基于注意力机制的工业控制系统网络流量异常检测方法

    公开(公告)号:CN113162893B

    公开(公告)日:2022-05-24

    申请号:CN202011054120.1

    申请日:2020-09-29

    Abstract: 本发明属于网络流量检测技术领域,具体涉及一种基于注意力机制的工业控制系统网络流量异常检测方法,包括如下步骤:收集流量样本数据集;S2、样本标定;特征提取;使用encoder结构对输入的特征向量进行预处理,计算得到attention值之后将其与原始网络流量数据合并与标准化;S5、将步骤S4处理后的特征向量输入全连接层神经网络进行分类,对样本进行正常与异常判别,对结果进行整合分析,得到样本最终的分类结果。有效地发现和提取了工业控制系统网络原始流量之间的多维关系和特征,不需要对私有通信协议进行机械以及人工规则或特征提取,不需要花费大量时间和人力代价来提取特征,最终的分类通过全连接层来完成,实现了高性能的异常检测,具有较高的检测效率,而且与经典的机器学习和深度学习算法相比,具有更高的检测精度。

Patent Agency Ranking