-
公开(公告)号:CN115150146B
公开(公告)日:2024-11-19
申请号:CN202210748100.7
申请日:2022-06-29
Applicant: 江苏大学
IPC: H04L9/40 , G06F18/23213 , G06F18/214 , G06F18/2431 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种广义网络温度与深度学习结合的网络异常预警方法,该方法计算了新的网络特征PL_GNT,划分了不可直接观测的网络拥塞状态,设计了流量数值预测模型和网络拥塞状态分类模型,最后构造了攻击概率函数与组合条件发送警告信息。本发明引入PL_GNT与NHC对不可观测的网络状态进行划分更细粒度地描述了每一时刻网络的状况,提高了实时性;将可观测的特征数值映射不可直接观测得到的网络状态,提高了可解释性;通过使用深度学习方法,构造攻击概率函数,以拥塞状态与攻击概率条件组合的方式提供预警信息,进一步提高了预警精度。
-
公开(公告)号:CN115150146A
公开(公告)日:2022-10-04
申请号:CN202210748100.7
申请日:2022-06-29
Applicant: 江苏大学
Abstract: 本发明提出一种广义网络温度与深度学习结合的网络异常预警方法,该方法计算了新的网络特征PL_GNT,划分了不可直接观测的网络拥塞状态,设计了流量数值预测模型和网络拥塞状态分类模型,最后构造了攻击概率函数与组合条件发送警告信息。本发明引入PL_GNT与NHC对不可观测的网络状态进行划分更细粒度地描述了每一时刻网络的状况,提高了实时性;将可观测的特征数值映射不可直接观测得到的网络状态,提高了可解释性;通过使用深度学习方法,构造攻击概率函数,以拥塞状态与攻击概率条件组合的方式提供预警信息,进一步提高了预警精度。
-
-