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。