-
公开(公告)号：CN117633627A
公开(公告)日：2024-03-01
申请号：CN202311683616.9
申请日：2023-12-10
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/214 , G06N3/04
Abstract: 本发明公开了一种基于证据不确定性评估的深度学习未知网络流量分类方法及系统，包括模型训练阶段和流分类阶段。模型训练阶段包括：按照五元组标识将已标记的网络流量数据包组装为双向流集合，提取集合中每条流的每个数据包的负载长度信息和负载字节信息，从而构建流序列信息集合。流分类阶段包括：将未标记的原始网络流量数据包按模型训练阶段中相同方法进行数据预处理，构建未标记的待分类流序列信息集合；基于模型训练阶段中得到的流证据提取模型，对待分类流进行流证据提取并计算每条流的不确定性值；将待分类流的不确定性值与已知类流的不确定性阈值进行比较，不确定性小于或等于阈值的流将被判定为已知类，并输出其对应的具体应用类别标签。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
