公开(公告)号：CN113364787B

公开(公告)日：2023-08-01

申请号：CN202110649454.1

申请日：2021-06-10

Applicant: 东南大学

Inventor： 黄杰 ,  刘玉超

IPC: H04L9/40 ,  H04L41/142 ,  H04L41/16 ,  G06F18/241 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及一种基于并联神经网络的僵尸网络流量检测方法，该方法步骤为：根据数据包传输五元组 将原始网络流量pcap文件划分为多个网络流；对每个网络流进行预处理转化成两种神经网络的输入格式；利用卷积神经网络提取网络流灰度图的空间特征，输出10维特征向量；利用门控循环单元网络提取网络流序列的时序特征，输出10维向量；利用串行特征融合方案将两种神经网络提取的特征进行拼接，输出20维特征；通过softmax分类器，进行模型训练，并输出僵尸流量检测模型；最后将捕获的目标网络的流量数据经预处理后，输入模型完成僵尸网络流量的检测。本发明具有准确度高、可以有效检测出僵尸网络流量。

公开(公告)号：CN113364787A

公开(公告)日：2021-09-07

申请号：CN202110649454.1

申请日：2021-06-10

Applicant: 东南大学

Inventor： 黄杰 ,  刘玉超

IPC: H04L29/06 ,  H04L12/24 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于并联神经网络的僵尸网络流量检测方法，该方法步骤为：根据数据包传输五元组 将原始网络流量pcap文件划分为多个网络流；对每个网络流进行预处理转化成两种神经网络的输入格式；利用卷积神经网络提取网络流灰度图的空间特征，输出10维特征向量；利用门控循环单元网络提取网络流序列的时序特征，输出10维向量；利用串行特征融合方案将两种神经网络提取的特征进行拼接，输出20维特征；通过softmax分类器，进行模型训练，并输出僵尸流量检测模型；最后将捕获的目标网络的流量数据经预处理后，输入模型完成僵尸网络流量的检测。本发明具有准确度高、可以有效检测出僵尸网络流量。