公开(公告)号：CN118250231A

公开(公告)日：2024-06-25

申请号：CN202410393484.4

申请日：2024-04-02

Applicant: 北京理工大学

Inventor： 胡仲则 ,  李荣华 ,  秦宏超 ,  王国仁

IPC: H04L47/2441 ,  H04L47/2483 ,  H04L41/16 ,  G06N3/042 ,  G06N3/0985 ,  G06F18/24 ,  G06F18/214

Abstract: 本发明公开了一种用于网络流量分类的轻量化图结构数据构造方法，属于网络流量分类领域，包括以下步骤：步骤1、处理原始网络流量，对原始网络流量中的会话进行重构，将原始网络流量中杂乱的数据转换为规整的会话形式的网络流量；步骤2、将生成的会话形式的网络流量，进行图结构信息构建和样本属性生成；图结构信息构建是提取会话形式的网络流量中的通联关系信息，基于一定的策略将用户信息映射为图上的节点，将用户之间的通联关系映射为图上的边，利用节点和边构造出基础的图结构信息；样本属性生成是提取会话中的数据包，以特定的规则构造成高质低维的样本属性；步骤3、将构建好的图结构信息与样本属性结合，获得轻量化的图结构数据样本。

公开(公告)号：CN118214723A

公开(公告)日：2024-06-18

申请号：CN202410387167.1

申请日：2024-04-01

Applicant: 北京理工大学

Inventor： 胡仲则 ,  李荣华 ,  秦宏超 ,  王国仁

IPC: H04L47/2441 ,  G06F18/241 ,  G06F18/214 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于图对比学习的复杂网络流量分类方法，属于网络流量分类技术领域，包括以下步骤：步骤一、将原始网络流量转换为图结构数据；步骤二、通过数据增强算法，以特定的规则将输入的图结构数据转换为增强图一、增强图二；步骤三、将两张增强图分别送入共享参数的GNN编码器中，提取数据特征，得到特征一、特征二；步骤四、通过最大化特征一、特征二之间互信息的方法，更新GNN编码器的模型参数，重复此步骤完成模型训练；步骤五、模型训练完成后，利用GNN编码器提取网络流量的数据特征，将提取到的网络流量的数据特征送入分类器，实现流量分类；步骤六、通过设计稳定性指标计算分类结果的实际效果，衡量网络流量分类算法抗干扰性能。