公开(公告)号：CN115865486A

公开(公告)日：2023-03-28

申请号：CN202211519273.8

申请日：2022-11-30

Applicant: 山东大学

Inventor： 刘治 ,  王聪聪 ,  孔旋 ,  侯建刚

IPC: H04L9/40 ,  H04L43/04 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于多层感知卷积神经网络的网络入侵检测方法及系统，包括：获取待测网络环境中的网络流量数据；采用训练后的网络入侵检测模型对网络流量数据进行分类，得到有无网络入侵的识别结果；所述网络入侵检测模型基于多层感知卷积神经网络构建，训练过程包括：对训练样本集，提取由每层感知卷积层输出的不同尺度的特征图，对不同尺度的特征图经上采样和双线性插值后得到统一尺度的特征图，将统一尺度的特征图串联融合后得到多尺度融合特征，根据多尺度融合特征和训练样本集的分类标签对网络入侵检测模型进行训练。提高特征提取能力和感知能力，提高网络流量分类问题的准确率。

公开(公告)号：CN118410404B

公开(公告)日：2024-11-12

申请号：CN202410850359.1

申请日：2024-06-28

Applicant: 山东大学

Inventor： 刘治 ,  董郑 ,  李鑫 ,  侯建刚 ,  崔立真 ,  孙健 ,  赵陈粟 ,  蒋亚丽

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08 ,  H04L9/40

Abstract: 本发明涉及网络安全技术领域，具体为基于数据包头的网络加密流量分类方法及系统，获取原始网络流量，分离出数据包的头部信息，经预处理后转换为结构化数据，并基于训练完毕的加密流量分类模型，得到数据包分类结果；基于训练完毕的加密流量分类模型，得到数据包分类结果的具体过程为：提取结构化数据中，每个特征的重要程度，将不同的特征与相应的重要程度相乘，得到特征重标定后的结构化数据，基于特征重标定后的结构化数据得到分类结果。以特征重标定与长短期记忆网络组合的方式对加密流量进行分类，数据包头部的每个特征和模型的权重参数是能够对应起来，既能够提高模型的分类性能还有利于后续对的优化和改进。

公开(公告)号：CN118861795A

公开(公告)日：2024-10-29

申请号：CN202410785848.3

申请日：2024-06-18

Applicant: 山东大学

Inventor： 刘治 ,  王聪聪 ,  侯建刚 ,  崔立真 ,  郭伟 ,  董郑 ,  孙健 ,  赵陈粟 ,  肖珂

IPC: G06F18/241 ,  H04L9/40 ,  G06F18/213 ,  G06N3/045 ,  G06F123/02

Abstract: 本发明提供了一种基于时间序列转换的Tor流量检测分类方法及系统，本发明将网络流量在会话水平上建模为高维时间序列，针对时间序列具有周期性的特点，根据主要周期将时间序列转换为二维张量，另外，基于时间序列多周期的特点，将二维张量中的行视为时间序列，重复此操作，将二维张量中的行向量继续转换为二维张量，提高时间序列数据的表达能力。

公开(公告)号：CN118410404A

公开(公告)日：2024-07-30

申请号：CN202410850359.1

申请日：2024-06-28

Applicant: 山东大学

Inventor： 刘治 ,  董郑 ,  李鑫 ,  侯建刚 ,  崔立真 ,  孙健 ,  赵陈粟 ,  蒋亚丽

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08 ,  H04L9/40

Abstract: 本发明涉及网络安全技术领域，具体为基于数据包头的网络加密流量分类方法及系统，获取原始网络流量，分离出数据包的头部信息，经预处理后转换为结构化数据，并基于训练完毕的加密流量分类模型，得到数据包分类结果；基于训练完毕的加密流量分类模型，得到数据包分类结果的具体过程为：提取结构化数据中，每个特征的重要程度，将不同的特征与相应的重要程度相乘，得到特征重标定后的结构化数据，基于特征重标定后的结构化数据得到分类结果。以特征重标定与长短期记忆网络组合的方式对加密流量进行分类，数据包头部的每个特征和模型的权重参数是能够对应起来，既能够提高模型的分类性能还有利于后续对的优化和改进。

公开(公告)号：CN115865486B

公开(公告)日：2024-04-09

申请号：CN202211519273.8

申请日：2022-11-30

Applicant: 山东大学

Inventor： 刘治 ,  王聪聪 ,  孔旋 ,  侯建刚

IPC: H04L9/40 ,  H04L43/04 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于多层感知卷积神经网络的网络入侵检测方法及系统，包括：获取待测网络环境中的网络流量数据；采用训练后的网络入侵检测模型对网络流量数据进行分类，得到有无网络入侵的识别结果；所述网络入侵检测模型基于多层感知卷积神经网络构建，训练过程包括：对训练样本集，提取由每层感知卷积层输出的不同尺度的特征图，对不同尺度的特征图经上采样和双线性插值后得到统一尺度的特征图，将统一尺度的特征图串联融合后得到多尺度融合特征，根据多尺度融合特征和训练样本集的分类标签对网络入侵检测模型进行训练。提高特征提取能力和感知能力，提高网络流量分类问题的准确率。