-
公开(公告)号:CN115348215A
公开(公告)日:2022-11-15
申请号:CN202210876800.4
申请日:2022-07-25
Applicant: 南京信息工程大学
IPC: H04L47/2441 , H04L47/2483 , H04L69/22 , G06K9/62
Abstract: 本发明公开了一种基于时空注意力机制的加密网络流量分类方法,包括如下步骤:步骤1,解析报文,获取网络流量数据X,并进行归一化处理;步骤2,将归一化处理后的网络流量数据输入到空间特征提取组件SAtt,提取网络流量的空间特征Zs;步骤3,将归一化处理后的网络流量数据输入到时间特征提取组件TAtt,提取网络流量的时间特征Zt;步骤4,将空间特征Zs和时间特征Zt进行重构,得到网络流量特征Z。本发明利用空间特征提取组件SAtt和时间特征提取组件TAtt分别提取空间特征和时间特征,对网络流量分类效果明显提高,在不同类别的流量下均有不错的分类表现,且算法收敛速度较快。
-
公开(公告)号:CN112769619B
公开(公告)日:2022-08-16
申请号:CN202110021897.6
申请日:2021-01-08
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/14 , H04L41/147 , G06N20/00 , G06K9/62
Abstract: 本发明提供一种基于决策树的多分类网络故障预测方法,通过对预设数据集内各个样本所对应的网络状态类型,构建与各个网络状态类型一一对应的各个大类,分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类,根据一小类和非一小类的类中心确定各个大类的类间距,并按照类间距从大到小的顺序,调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习,获得各个网络状态类型所对应的网络分类模型,根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型,构建多分类网络故障决策树模型。
-
公开(公告)号:CN114004052B
公开(公告)日:2022-04-01
申请号:CN202210000687.3
申请日:2022-01-04
Applicant: 南京信息工程大学
IPC: G06F30/18 , G06F30/27 , G06K9/62 , G06N20/00 , G06F111/02
Abstract: 本发明公开了一种面向网络管理系统的故障检测方法,包括以下步骤:步骤1、获取原始不均衡网络故障数据集NF,对NF进行压缩和过滤操作,得到处理后数据集NF',NF'包括样本,样本包括两种类型样本,两种类型样本是指非故障样本和故障样本;步骤2、获取不均衡比例I,所述不均衡比例I=非故障样本的数目/故障样本的数目;步骤3、预先设置一个采样后的两种类型样本数目的比例,根据获取新合成故障数据样本的数目N;步骤4、构建新合成故障数据样本的空间分布分配规则;步骤5、构建新合成故障数据样本的合成规则;步骤6、建立XGB‑RF网络故障检测模型。本发明有效提高了网络故障检测的准确率。
-
公开(公告)号:CN114244711A
公开(公告)日:2022-03-25
申请号:CN202210170591.1
申请日:2022-02-24
Applicant: 南京信息工程大学
IPC: H04L41/0823 , H04L67/06
Abstract: 本发明公开了基于平均队列长度及其变化率的自适应主动队列管理方法,具体为:1、等待新分组数据;2、新分组数据到达路由器缓冲区,根据当前时刻t时路由器缓冲区的平均队列长度变化率和平均队列长度判断是否将该新分组数据中的全部数据直接丢弃;如果是,则重新等待新数据到达,再次执行步骤2,否则转步骤3;3、新分组数据进入至缓冲区后,时间单位为t+1,更新t+1时平均队列长度和平均队列长度变化率;4、更新t+1时路由器缓冲区的中间阈值;5、计算丢弃概率;6、根据丢弃概率对新分组数据进行丢弃,剩余数据从路由器缓冲区中出队,再次等待新数据到达,并转步骤2。本发明流程简单,可操作性强,应用范围广。
-
公开(公告)号:CN112769619A
公开(公告)日:2021-05-07
申请号:CN202110021897.6
申请日:2021-01-08
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于决策树的多分类网络故障预测方法,通过对预设数据集内各个样本所对应的网络状态类型,构建与各个网络状态类型一一对应的各个大类,分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类,根据一小类和非一小类的类中心确定各个大类的类间距,并按照类间距从大到小的顺序,调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习,获得各个网络状态类型所对应的网络分类模型,根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型,构建多分类网络故障决策树模型。
-
公开(公告)号:CN112232604A
公开(公告)日:2021-01-15
申请号:CN202011426660.8
申请日:2020-12-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Prophet模型提取网络流量的预测方法,针对网络流量的多分形特性,通过Prophet模型的可分解方法,对附加分量 建立Prophet模型预测,对非线性分量 建立卷积神经网络和基于注意力机制的长短期记忆网络模型预测,实现粗细粒度特征提取的融合,并给重要的特征分配更多的权重以提高其对结果的影响,在预测精度和预测速度上效果显著提升。本发明的网络流量的预测方法相较传统的流量预测方法具有明显的有效性和先进性。
-
公开(公告)号:CN115348215B
公开(公告)日:2023-11-24
申请号:CN202210876800.4
申请日:2022-07-25
Applicant: 南京信息工程大学
IPC: H04L47/2441 , H04L47/2483 , H04L69/22 , G06F18/241
Abstract: 本发明公开了一种基于时空注意力机制的加密网络流量分类方法,包括如下步骤:步骤1,解析报文,获取网络流量数据X,并进行归一化处理;步骤2,将归一化处理后的网络流量数据输入到空间特征提取组件SAtt,提取网络流量的空间特征Zs;步骤3,将归一化处理后的网络流量数据输入到时间特征提取组件TAtt,提取网络流量的时间特征Zt;步骤4,将空间特征Zs和时间特征Zt进行重构,得到网络流量特征Z。本发明利用空间特征提取组件SAtt和时间特征提取组件TAtt分(56)对比文件刘啸;赵文涛;刘强;闵尔学;李盼.基于网络流跨层特征的深度入侵检测方法《.计算机与数字工程》.2020,(03),全文.
-
公开(公告)号:CN114006826B
公开(公告)日:2022-04-22
申请号:CN202210000659.1
申请日:2022-01-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种融合流量特征的网络流量预测方法,具体涉及网络信息工程技术领域,收集并获得预设时间周期范围内的历史网络流量数据,并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列,分别针对各个流量序列,构建并获得网络流量预测模型,应用网络流量预测模型,对子流量序列所对应的网络流量进行预测,获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识,将其融入长短记忆神经网络的门控机制中,再结合一维卷积神经网络和注意力机制提取流量序列的时间特征,能够恢复原始数据的特征,赋予模型预测结果的可解释性,从而提高网络流量的预测精度更好的描述网络流量的变化趋势。
-
公开(公告)号:CN112232604B
公开(公告)日:2021-06-11
申请号:CN202011426660.8
申请日:2020-12-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Prophet模型提取网络流量的预测方法,针对网络流量的多分形特性,通过Prophet模型的可分解方法,对附加分量建立Prophet模型预测,对非线性分量建立卷积神经网络和基于注意力机制的长短期记忆网络模型预测,实现粗细粒度特征提取的融合,并给重要的特征分配更多的权重以提高其对结果的影响,在预测精度和预测速度上效果显著提升。本发明的网络流量的预测方法相较传统的流量预测方法具有明显的有效性和先进性。
-
公开(公告)号:CN107300694B
公开(公告)日:2020-04-17
申请号:CN201710447396.8
申请日:2017-06-14
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于电磁波透射系数的未知墙体参数估计方法,建立三层介质的墙体模型,第一介质层和第三介质层分别位于第二介质层的两侧,第二介质层为待测介质层;将发射天线布置于第一介质层,接收天线布置于第三介质层,发射天线距离第二介质层前表面的距离和接受天线距离第二介质层后表面的距离相等;发射天线发射电磁波,接收天线接收发射天线所发出的电磁波;根据电磁波传播特性推导出振幅衰减系数;计算电磁波的传播时延;根据振幅衰减系数和电磁波传播时延估算第二介质层参数,本发明可以比传统方法更准确的估计出介质参数。
-
-
-
-
-
-
-
-
-