公开(公告)号：CN118540117B

公开(公告)日：2025-02-14

申请号：CN202410614276.2

申请日：2024-05-17

Applicant: 成都信息工程大学

Inventor： 卢嘉中 ,  余坤

IPC: H04L9/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/096 ,  H04L41/16

Abstract: 本发明属于人工智能技术领域，公开了一种基于迁移学习的恶意流量检测方法及系统，首先对源域和目标域数据进行预处理，再使用ResNet50模型在源域数据上进行训练。将源域模型的除全连接层以外的所有层冻结。接着计算MMD的值，并使用教师模型在1％目标域数据进行预测，利用输出的概率得到KD的值。将源域的模型迁移到目标域，并在训练全连接层过程中增加KD的损失。最后是目标域模型，集成可以适应多个数据集的恶意流量检测网络。本发明能够有效解决多领域下的恶意流量检测问题，且在保证检测准确度的同时大大降低所需有标签样本数量，有利于后续的检测任务。

公开(公告)号：CN118540117A

公开(公告)日：2024-08-23

申请号：CN202410614276.2

申请日：2024-05-17

Applicant: 成都信息工程大学

Inventor： 卢嘉中 ,  余坤

IPC: H04L9/40 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/096 ,  H04L41/16

Abstract: 本发明属于人工智能技术领域，公开了一种基于迁移学习的恶意流量检测方法及系统，首先对源域和目标域数据进行预处理，再使用ResNet50模型在源域数据上进行训练。将源域模型的除全连接层以外的所有层冻结。接着计算MMD的值，并使用教师模型在1％目标域数据进行预测，利用输出的概率得到KD的值。将源域的模型迁移到目标域，并在训练全连接层过程中增加KD的损失。最后是目标域模型，集成可以适应多个数据集的恶意流量检测网络。本发明能够有效解决多领域下的恶意流量检测问题，且在保证检测准确度的同时大大降低所需有标签样本数量，有利于后续的检测任务。

公开(公告)号：CN120075802A

公开(公告)日：2025-05-30

申请号：CN202510347485.X

申请日：2025-03-24

Applicant: 成都信息工程大学

Inventor： 卢嘉中 ,  余坤

IPC: H04W12/12 ,  H04L9/40 ,  H04L69/22 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于但不限于5G物联网与网络安全技术领域，公开了一种基于梯度共享的特征融合网络的恶意流量分类方法及系统，对5G物联网流量原始数据进行预处理，分别构建结构化特征通道和图像特征通道；利用基于卷积神经网络的局部特征提取模块对图像特征通道数据进行处理；利用KAN构建全局特征提取模块，捕获流量的时间序列分布与全局依赖关系；将结构化特征通道和图像特征通道提取的特征进行融合；梯度共享初始化，梯度共享训练，KAN和卷积神经网络模型训练与优化，模型测试。本发明通过特征融合与梯度共享技术，有效提升对5G物联网恶意流量的识别能力，同时降低对大规模标注数据的依赖，增强模型在复杂网络环境下的泛化性和适应性。