公开(公告)号：CN111340191A

公开(公告)日：2020-06-26

申请号：CN202010122760.5

申请日：2020-02-27

Applicant: 福州大学

Inventor： 陈羽中 ,  张毓东

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/20 ,  H04L29/06

Abstract: 本发明涉及一种基于集成学习的僵尸网络恶意流量分类方法及系统，该方法包括：步骤A：将已标注类别的恶意流量数据转换为带类别标签的IDX图像数据，建立恶意流量训练集R；步骤B：构造包含三个深度残差卷积神经网络的初级分类器，构造softmax逻辑回归模型作为次级分类器；步骤C：将训练集R分为R0和R1两部分，使用R0训练初级分类器，提取恶意流量特征向量，并将提取的特征向量添加到R0中，增强该部分训练集；步骤D：将增强后的训练集与R1合并，用其训练次级分类器；步骤E：将待判定类别的恶意流量数据转换为IDX图像格式，输入到训练好的次级分类器，输出判定结果。该方法及系统有利于快速、准确地识别恶意流量类别。

公开(公告)号：CN110225030A

公开(公告)日：2019-09-10

申请号：CN201910498923.7

申请日：2019-06-10

Applicant: 福州大学

Inventor： 陈羽中 ,  张毓东 ,  郭昆 ,  张衍坤

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

Abstract: 本发明涉及一种基于SMOTE和RCNN-SPP网络的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含基于空间金字塔SPP池化的循环卷积RCNN的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到RCNN-SPP神经网络模型，得到域名的特征向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。