公开(公告)号：CN118070107B

公开(公告)日：2024-06-18

申请号：CN202410467852.5

申请日：2024-04-18

Applicant: 南京信息工程大学

Inventor： 尹春勇 ,  曹儒商

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及异常检测技术领域，公开了一种面向深度学习的网络异常检测方法、装置、存储介质及设备，包括：获取待检测的异常流量数据，输入到预先训练好的网络异常检测模型进行分类检测，得到检测结果；训练好的网络异常检测模型的训练过程包括：对获取的历史网络流量数据集进行预处理，然后对数据进行特征筛选来解决数据冗余问题；对进行特征筛选后的数据进行平衡处理；构建可变形卷积神经网络DCNN和改进的Transformer模型的混合网络用于实现网络流量分类；完成网络训练损失函数的定义；在课程学习的基础上使用训练集完成混合网络的训练，得到网络异常检测模型。本发明的有益效果为：显著提升了网络异常检测的精度和鲁棒性。

公开(公告)号：CN118070107A

公开(公告)日：2024-05-24

申请号：CN202410467852.5

申请日：2024-04-18

Applicant: 南京信息工程大学

Inventor： 尹春勇 ,  曹儒商

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及异常检测技术领域，公开了一种面向深度学习的网络异常检测方法、装置、存储介质及设备，包括：获取待检测的异常流量数据，输入到预先训练好的网络异常检测模型进行分类检测，得到检测结果；训练好的网络异常检测模型的训练过程包括：对获取的历史网络流量数据集进行预处理，然后对数据进行特征筛选来解决数据冗余问题；对进行特征筛选后的数据进行平衡处理；构建可变形卷积神经网络DCNN和改进的Transformer模型的混合网络用于实现网络流量分类；完成网络训练损失函数的定义；在课程学习的基础上使用训练集完成混合网络的训练，得到网络异常检测模型。本发明的有益效果为：显著提升了网络异常检测的精度和鲁棒性。