公开(公告)号：CN119561791B

公开(公告)日：2025-04-22

申请号：CN202510114211.6

申请日：2025-01-24

Applicant: 华侨大学

Inventor： 陈宇昂 ,  施一帆 ,  曾焕强 ,  朱建清 ,  陈婧 ,  龚鑫荣 ,  蔡磊 ,  杨楷翔

IPC: H04L9/40 ,  G06N3/0455 ,  G06F18/2433

Abstract: 本发明涉及入侵流量检测领域，公开了一种基于宽度网络的集成单分类异常流量检测方法及系统，方法包括如下步骤：采样步骤，根据采样概率抽取一定比例的正常数据；训练步骤，利用所述正常数据训练宽度自编码网络，作为弱分类器；更新步骤，根据样本重构误差计算当前弱分类器的置信度，并更新样本的采样概率；集成步骤，重复采样步骤至更新步骤，直到获得若干个弱分类器，集成获得异常流量检测模型；检测步骤，利用异常流量检测模型对未知样本进行异常检测，得到多个弱分类器的异常检测结果，根据弱分类的置信度对异常检测结果加权得到最终的检测结果。本发明将宽度学习自编码网络应用在单分类问题，解决了深度网络训练慢、消耗内存大等问题。

公开(公告)号：CN119561791A

公开(公告)日：2025-03-04

申请号：CN202510114211.6

申请日：2025-01-24

Applicant: 华侨大学

Inventor： 陈宇昂 ,  施一帆 ,  曾焕强 ,  朱建清 ,  陈婧 ,  龚鑫荣 ,  蔡磊 ,  杨楷翔

IPC: H04L9/40 ,  G06N3/0455 ,  G06F18/2433

Abstract: 本发明涉及入侵流量检测领域，公开了一种基于宽度网络的集成单分类异常流量检测方法及系统，方法包括如下步骤：采样步骤，根据采样概率抽取一定比例的正常数据；训练步骤，利用所述正常数据训练宽度自编码网络，作为弱分类器；更新步骤，根据样本重构误差计算当前弱分类器的置信度，并更新样本的采样概率；集成步骤，重复采样步骤至更新步骤，直到获得若干个弱分类器，集成获得异常流量检测模型；检测步骤，利用异常流量检测模型对未知样本进行异常检测，得到多个弱分类器的异常检测结果，根据弱分类的置信度对异常检测结果加权得到最终的检测结果。本发明将宽度学习自编码网络应用在单分类问题，解决了深度网络训练慢、消耗内存大等问题。