-
公开(公告)号：CN111327608A
公开(公告)日：2020-06-23
申请号：CN202010092028.8
申请日：2020-02-14
Applicant: 中南大学
Abstract: 本发明提供了一种基于级联深度神经网络的应用层恶意请求检测方法及系统，首先选择不同网络结构的深度神经网络模型，构建得到深度神经网络集合；再设计低漏报代价敏感损失函数并结合反向传播算法训练深度神经网络集合中的网络模型；接着设定位置排布策略并按该策略将深度神经网络集合中的训练好的网络模型串联成级联深度神经网络模型；然后通过“特征继承”连接单分类器的特征输出层、设置衰减代价敏感损失函数并结合反向传播算法训练级联深度神经网络模型；最后将数据预处理后的待检测应用层用户请求输入训练好的级联深度神经网络模型，得到其为恶意请求的预测概率，进而判断该待检测的应用层用户请求是否为恶意请求。本发明误报漏报率低。
-
公开(公告)号：CN111327608B
公开(公告)日：2021-02-02
申请号：CN202010092028.8
申请日：2020-02-14
Applicant: 中南大学
Abstract: 本发明提供了一种基于级联深度神经网络的应用层恶意请求检测方法及系统，首先选择不同网络结构的深度神经网络模型，构建得到深度神经网络集合；再设计低漏报代价敏感损失函数并结合反向传播算法训练深度神经网络集合中的网络模型；接着设定位置排布策略并按该策略将深度神经网络集合中的训练好的网络模型串联成级联深度神经网络模型；然后通过“特征继承”连接单分类器的特征输出层、设置衰减代价敏感损失函数并结合反向传播算法训练级联深度神经网络模型；最后将数据预处理后的待检测应用层用户请求输入训练好的级联深度神经网络模型，得到其为恶意请求的预测概率，进而判断该待检测的应用层用户请求是否为恶意请求。本发明误报漏报率低。
-
Search Results
2
records
(took 0.029 seconds)
