-
公开(公告)号：CN111340727B
公开(公告)日：2022-05-17
申请号：CN202010119768.6
申请日：2020-02-26
申请人： 电子科技大学
IPC分类号： G06T5/00 , G06T7/90 , G06F16/182 , G06N3/04
摘要： 本发明公开了一种基于GBR图像的异常流量检测方法，包括以下步骤：S1：将流量数据转换为可视化的GBR图像；S2：将GBR图像数据存储在分布式文件系统中；S3：基于分布式文件系统，利用Apache Spark框架对GBR图像数据的各个数据块分别训练子卷积神经网络模型，完成异常流量的检测。本发明的异常流量检测方法将原始网络流量转换成灰度图像，保留流量信息，再选取两个特征向量组成GBR图像，降低了检测误报率。使用分布式文件系统和子卷积神经网络模型，避免了检测方法计算庞大和收敛慢的问题，具有检测未知攻击的能力，检测精准率高。
-
公开(公告)号：CN111340727A
公开(公告)日：2020-06-26
申请号：CN202010119768.6
申请日：2020-02-26
申请人： 电子科技大学
IPC分类号： G06T5/00 , G06T7/90 , G06F16/182 , G06N3/04
摘要： 本发明公开了一种基于GBR图像的异常流量检测方法，包括以下步骤：S1：将流量数据转换为可视化的GBR图像；S2：将GBR图像数据存储在分布式文件系统中；S3：基于分布式文件系统，利用Apache Spark框架对GBR图像数据的各个数据块分别训练子卷积神经网络模型，完成异常流量的检测。本发明的异常流量检测方法将原始网络流量转换成灰度图像，保留流量信息，再选取两个特征向量组成GBR图像，降低了检测误报率。使用分布式文件系统和子卷积神经网络模型，避免了检测方法计算庞大和收敛慢的问题，具有检测未知攻击的能力，检测精准率高。
-
公开(公告)号：CN111343182B
公开(公告)日：2021-08-10
申请号：CN202010120011.9
申请日：2020-02-26
申请人： 电子科技大学
摘要： 本发明公开了一种基于灰度图的异常流量检测方法，包括以下步骤：S1：对网络的原始流量进行可视化处理，将原始流量转换为灰度图；S2：对灰度图进行特征提取；S3：基于Apache Spark框架，利用分布式极限学习机对灰度图的特征进行训练，输出权重矩阵β，得到训练参数，完成灰度图的异常流量检测。本发明有效解决了各种网络环境的异常流量检测问题，对网络流量的可视化处理解决了原始流量特征提取上的困难，将原始流量特征提取上的困难转化为图像特征提取，使得训练结果准确度更高。且本发明有效解决了大数据时代高速海量网络流量的异常检测问题，适应现代实际网络环境。
-
公开(公告)号：CN112115330A
公开(公告)日：2020-12-22
申请号：CN202010983424.X
申请日：2020-09-18
申请人： 电子科技大学成都研究院
IPC分类号： G06F16/951 , G06F16/9532 , G06K9/00
摘要： 本发明公开了一种优化定位精度及爬取效率的爬虫方法，包括以下步骤：S1：获取目标网站和爬取关键词；S2：根据目标网站的首页判断是否需要登录验证，若是则进入步骤S3，否则进入步骤S4；S3：通过提取Cookies和authenticity_token，构建Cookies池并识别验证码，进行模拟登录；S4：采用Splash对象，对模拟登录后目标网站中的多层动态渲染网页进行定向爬取。本发明有效提高了应对目前主流网站的反爬机制的效率，有效提高了爬取内容的定向性与精确度，反应时间更快，容错率更高，健壮性更强。
-
公开(公告)号：CN111949851A
公开(公告)日：2020-11-17
申请号：CN202010820940.0
申请日：2020-08-14
申请人： 电子科技大学
IPC分类号： G06F16/951 , G06F16/955 , G06F21/60
摘要： 本发明公开了一种解决JS加密问题的爬虫方法，包括以下步骤：S1：创建scrapy项目，并设定允许爬取的域名范围、请求头信息和初始URL；S2：通过调用selenium框架的webdriver工具获取cookie；S3：根据初始URL和cookie，调用内部start_requests()爬取列表页；S4：解析列表页并管理列表页的URL，完成页面爬取。本发明使用的是聚焦网络爬虫。本发明中先将要爬取的内容通过搜索引擎筛选出来，然后爬取筛选出来的页面内容，可爬取JS加密的页面，同时可获取网页重定向之后的链接。
-
公开(公告)号：CN111343182A
公开(公告)日：2020-06-26
申请号：CN202010120011.9
申请日：2020-02-26
申请人： 电子科技大学
摘要： 本发明公开了一种基于灰度图的异常流量检测方法，包括以下步骤：S1：对网络的原始流量进行可视化处理，将原始流量转换为灰度图；S2：对灰度图进行特征提取；S3：基于Apache Spark框架，利用分布式极限学习机对灰度图的特征进行训练，输出权重矩阵β，得到训练参数，完成灰度图的异常流量检测。本发明有效解决了各种网络环境的异常流量检测问题，对网络流量的可视化处理解决了原始流量特征提取上的困难，将原始流量特征提取上的困难转化为图像特征提取，使得训练结果准确度更高。且本发明有效解决了大数据时代高速海量网络流量的异常检测问题，适应现代实际网络环境。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)
