公开(公告)号：CN115361195A

公开(公告)日：2022-11-18

申请号：CN202210983986.3

申请日：2022-08-17

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  朱士洲

IPC: H04L9/40 ,  H04L41/147 ,  H04L41/16 ,  H04L43/04 ,  H04L43/0876 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于时空代价成本的大规模物联网流量多分类方法，获取待识别的物联网异常及加密流量；将待识别的物联网异常及加密流量输入预先训练的目标网络模型，获得类别预测向量和对应的预测标签。预先训练目标网络模型：根据格式化后物联网异常及加密流量样本数量相对分布，创建成本代价矩阵；将格式化样本向量集合和成本代价矩阵输入构建的目标网络模型中，得到多分类预测序列；提取多分类预测序列中的类别预测向量，类别预测向量代表物联网异常及加密流量样本所属各个类别对应的最终预测值；根据最终预测值中的最大值，获取对应的类别和对应类别的预测标签。

公开(公告)号：CN116260642A

公开(公告)日：2023-06-13

申请号：CN202310168774.4

申请日：2023-02-27

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  朱士洲 ,  夏飞 ,  赵娟 ,  李定成

IPC: H04L9/40 ,  G06F18/241 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/084 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0985

Abstract: 本发明公开了一种基于知识蒸馏时空神经网络的轻量化物联网恶意流量识别方法，包括：获取待识别的物联网恶意流量；获取预先训练好的教师网络模型；获取预先训练好的基于知识蒸馏的学生网络模型；将待识别的物联网恶意流量输入预先训练好的学生网络模型，获得类别预测向量和对应的预测标签。预先训练教师网络模型，通过以下步骤实现：获取训练集，训练集包括不同类别的物联网恶意流量样本、格式化样本向量集合和物联网恶意流量样本的真实标签；将格式化样本向量集合输入构建的教师网络模型中，得到多分类预测序列；根据多分类预测序列中的预测向量值获得软标签并进行保存。在多个真实物联网恶意流量数据集的测试中，表现高于基于机器学习识别方法。