公开(公告)号：CN117879895A

公开(公告)日：2024-04-12

申请号：CN202311757675.6

申请日：2023-12-19

Applicant: 安徽建筑大学

Inventor： 郑长勇 ,  陈阵 ,  吴雅婷 ,  杨旭

IPC: H04L9/40 ,  H04L43/026 ,  H04L43/04 ,  H04L43/067 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于深度学习的网络流量异常检测方法，包括以下步骤：从网络历史流量中提取历史流量数据，从历史流量数据中提取原始流量数据和对应的标签数据；提取原始流量数据对应的流量特征，对流量特征进行预处理之后得到特征参数，涉及网络流量检测技术领域，解决了预测网络流量是否异常的误报率高技术问题；本发明对原始流量数据的传输速度进行提取，基于最值速度和平均速度能够计算接近系数，通过该接近系数能够衡量网络流量传输效率，而将该接近系数作为特征参数，能够将训练的网络流量预测模型将传输效率与其他的特征参数进行综合判断，以实现对长时间以低速或者短时间高速使用的网络流量进行异常评估，从而能够提升其对异常网络流量检测的精准度。