公开(公告)号：CN111726349B

公开(公告)日：2022-07-08

申请号：CN202010550578.X

申请日：2020-06-16

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  王素芳 ,  彭洋 ,  刘梓毅

IPC: H04L9/40 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

Abstract: 本发明公开了一种基于GA优化的GRU并行网络流量异常检测方法，首先获取样本数据和种群数阈值，并利用随机生成的方式初始化种群和种群计数器，其次基于Spark大数据平台，以弹性分布式数据集的形式对所述种群中每个个体的样本数据进行特征选择和约简，同时利用GRU检测器对约简后的数据进行训练和分类，并将检测精度作为所述个体的适应度值；接着根据适应度值进行选择运算、交叉运算和变异运算；最后根据得到的新的基因组个体，重新计算对应的适应度值，并当所述适应度值达到设定阈值或者所述种群计数器达到设定值，则输出设定适应度值，同时利用GRU检测器对测试数据集进行检测，得到异常检测结果，提升异常检测效率和检测精度。

公开(公告)号：CN111726351A

公开(公告)日：2020-09-29

申请号：CN202010550593.4

申请日：2020-06-16

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  彭洋 ,  王素芳 ,  刘梓毅

IPC: H04L29/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Bagging改进的GRU并行网络流量异常检测方法，首先利用Spark平台以分布式方式进行数据采集，并对采集的数据进行清洗、转换和标准化后，基于Spark大数据处理技术，以弹性分布式数据集形式对样本集进行有放回抽取采样，利用Bagging算法以并行方式对GRU模型进行训练，同时利用模型平均法，得到集成检测器，利用二分类损失函数对所述集成检测器进行评价，利用所述集成检测器对测试数据集进行检测，得到检测结果，提升检测精度和检测效率。

公开(公告)号：CN113259325B

公开(公告)日：2022-06-03

申请号：CN202110429845.2

申请日：2021-04-21

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  王素芳 ,  赵峰 ,  符廉铕 ,  强保华 ,  刘润蓉

IPC: H04L9/40 ,  G06N3/08 ,  G06N3/04 ,  G06N3/00

Abstract: 本发明公开了一种基于麻雀搜索算法优化Bi‑LSTM的网络安全态势预测方法，属于网络安全技术领域。初始化麻雀种群并迭代筛选获取运算结果；基于运算结果初始化Bi‑LSTM神经网络超参数，得到SSA优化后的Bi‑LSTM模型；对SSA优化后的Bi‑LSTM模型进行训练生成预测模型；向预测模型中输入预测数据并获取结果。本发明利用麻雀搜索算法来优化Bi‑LSTM神经网络超参数，采用SSA优化的Bi‑LSTM能够加速模型的收敛，提高模型的预测精度，从而解决现有技术预测精度不够的问题。

公开(公告)号：CN111726351B

公开(公告)日：2022-07-05

申请号：CN202010550593.4

申请日：2020-06-16

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  彭洋 ,  王素芳 ,  刘梓毅

IPC: H04L9/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Bagging改进的GRU并行网络流量异常检测方法，首先利用Spark平台以分布式方式进行数据采集，并对采集的数据进行清洗、转换和标准化后，基于Spark大数据处理技术，以弹性分布式数据集形式对样本集进行有放回抽取采样，利用Bagging算法以并行方式对GRU模型进行训练，同时利用模型平均法，得到集成检测器，利用二分类损失函数对所述集成检测器进行评价，利用所述集成检测器对测试数据集进行检测，得到检测结果，提升检测精度和检测效率。

公开(公告)号：CN113259325A

公开(公告)日：2021-08-13

申请号：CN202110429845.2

申请日：2021-04-21

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  王素芳 ,  赵峰 ,  符廉铕 ,  强保华 ,  刘润蓉

IPC: H04L29/06 ,  G06N3/08 ,  G06N3/04 ,  G06N3/00

Abstract: 本发明公开了一种基于麻雀搜索算法优化Bi‑LSTM的网络安全态势预测方法，属于网络安全技术领域。初始化麻雀种群并迭代筛选获取运算结果；基于运算结果初始化Bi‑LSTM神经网络超参数，得到SSA优化后的Bi‑LSTM模型；对SSA优化后的Bi‑LSTM模型进行训练生成预测模型；向预测模型中输入预测数据并获取结果。本发明利用麻雀搜索算法来优化Bi‑LSTM神经网络超参数，采用SSA优化的Bi‑LSTM能够加速模型的收敛，提高模型的预测精度，从而解决现有技术预测精度不够的问题。

公开(公告)号：CN111726349A

公开(公告)日：2020-09-29

申请号：CN202010550578.X

申请日：2020-06-16

Applicant: 桂林电子科技大学

Inventor： 陶晓玲 ,  王素芳 ,  彭洋 ,  刘梓毅

IPC: H04L29/06 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

Abstract: 本发明公开了一种基于GA优化的GRU并行网络流量异常检测方法，首先获取样本数据和种群数阈值，并利用随机生成的方式初始化种群和种群计数器，其次基于Spark大数据平台，以弹性分布式数据集的形式对所述种群中每个个体的样本数据进行特征选择和约简，同时利用GRU检测器对约简后的数据进行训练和分类，并将检测精度作为所述个体的适应度值；接着根据适应度值进行选择运算、交差运算和变异运算；最后根据得到的新的基因组个体，重新计算对应的适应度值，并当所述适应度值达到设定阈值或者所述种群计数器达到设定值，则输出设定适应度值，同时利用GRU检测器对测试数据集进行检测，得到异常检测结果，提升异常检测效率和检测精度。