公开(公告)号：CN118041689B

公开(公告)日：2024-06-14

申请号：CN202410419371.7

申请日：2024-04-09

Applicant: 南京信息工程大学

Inventor： 尹春勇 ,  李荣标

IPC: H04L9/40 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种网络恶意流量检测方法，包括：收集网络流量数据包并进行数据预处理；使用主成分分析方法与K均值类聚方法对数据进行特征选择；按照设定比例划分为训练集和验证集；使用一维卷积神经网络和长短期记忆网络分别提取空间特征和时序依赖特征，并利用自适应特征融合模块进行特征融合，完成模型构造；根据性能指标使用TPE超参数优化算法调整模型的超参数，以获得最优超参数下的网络恶意流量检测模型，将待测数据输入模型，完成对网络恶意流量的检测；本发明能准确识别恶意流量种类，实现特征自动选择，避免人工干预，降低矩阵计算消耗，能自适应融合空间特征和时序依赖特征，在降低计算量的情况下提升检测效率，保障网络环境的安全。

公开(公告)号：CN118041689A

公开(公告)日：2024-05-14

申请号：CN202410419371.7

申请日：2024-04-09

Applicant: 南京信息工程大学

Inventor： 尹春勇 ,  李荣标

IPC: H04L9/40 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种网络恶意流量检测方法，包括：收集网络流量数据包并进行数据预处理；使用主成分分析方法与K均值类聚方法对数据进行特征选择；按照设定比例划分为训练集和验证集；使用一维卷积神经网络和长短期记忆网络分别提取空间特征和时序依赖特征，并利用自适应特征融合模块进行特征融合，完成模型构造；根据性能指标使用TPE超参数优化算法调整模型的超参数，以获得最优超参数下的网络恶意流量检测模型，将待测数据输入模型，完成对网络恶意流量的检测；本发明能准确识别恶意流量种类，实现特征自动选择，避免人工干预，降低矩阵计算消耗，能自适应融合空间特征和时序依赖特征，在降低计算量的情况下提升检测效率，保障网络环境的安全。