公开(公告)号：CN118631501A

公开(公告)日：2024-09-10

申请号：CN202410654323.6

申请日：2024-05-24

Applicant: 北京邮电大学

Inventor： 陆月明 ,  张家晨 ,  韩道岐 ,  吴昊 ,  付振坤 ,  姚琳元 ,  何涛 ,  闫晓涛 ,  刘洋

IPC: H04L9/40 ,  G06Q40/12 ,  G06F18/213 ,  G06F17/18 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多实例学习的时序网络流量数据处理方法，用于网络安全检测。本发明方法对网络流量数据先进行预处理和特征提取，组织为时序特征数据；再对数据以设定的时间窗口和袋长度划分子包和袋，实现细粒度和粗粒度划分，袋包含多个子包；使用Simple‑MI算法将每个子包内所有网络流实例特征映射为固定维度向量，获取袋特征；对袋特征使用GAF算法构建多通道图；针对目标任务构建深度学习模型，将转换的多通道图作为模型输入，进行目标任务检测。本发明将网络流量数据转换为图像格式，再利用深度学习技术分析，可有效解决数据标签不准确问题和类别不平衡问题，提高了网络流量分析的准确性和效率，以及对动态网络环境的适应性。

公开(公告)号：CN114205853A

公开(公告)日：2022-03-18

申请号：CN202010909565.7

申请日：2020-09-02

Applicant: 中兴通讯股份有限公司 ,  北京邮电大学

Inventor： 韩静 ,  张百胜 ,  左兴权 ,  张家晨

IPC: H04W24/06 ,  G06N3/08 ,  H04L41/147 ,  H04L41/14 ,  G06N3/04 ,  H04L43/0876

Abstract: 本发明提供了一种流量预测方法、流量预测模型建立方法和存储介质，包括：获取第一特征值序列和预测时间步长，第一特征值序列根据第一时间段和与第一时间段对应的第一网络流量值得到；将第一特征值序列和预测时间步长输入至流量预测模型以得到在预测时间步长之内的网络流量预测值，流量预测模型由深度自回归模型根据训练集数据训练得到，训练集数据包括多个小区标识信息、与各个小区标识信息对应的多个第二时间段以及与第二时间段一一对应的第二网络流量值。本发明采用深度自回归模型进行训练，由于深度自回归模型能够很方便地纳入额外的特征，并且能够更精确地对小区未来的网络流量进行预测，因此，本发明实施例能够提高网络流量预测的准确度。