公开(公告)号：CN113746813B

公开(公告)日：2022-05-10

申请号：CN202110938301.9

申请日：2021-08-16

Applicant: 杭州电子科技大学

Inventor： 滕旭阳 ,  张云啸 ,  何美霖 ,  毕美华 ,  仇兆炀

IPC: H04L9/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于两阶段学习模型的网络攻击检测系统及方法，本发明方法按如下步骤进行：步骤1：将网络数据集的特征子集被作为不可分单元进行特征组合的评估，实现网络数据集的特征维度约简；步骤2：将缩减后的网络数据集作为训练数据利用深度学习技术实现网络攻击实时检测模型。本发明两阶段网络攻击检测技术方案，充分考虑了网络高危数据的特征组合效应，针对网络攻击检测需要保证的精确性和时效性，使用特征选择技术、进化搜索技术和深度学习模型结合，以提升网络攻击检测的识别精度并大夫缩减模型训练时间。

公开(公告)号：CN113746813A

公开(公告)日：2021-12-03

申请号：CN202110938301.9

申请日：2021-08-16

Applicant: 杭州电子科技大学

Inventor： 滕旭阳 ,  张云啸 ,  何美霖 ,  毕美华 ,  仇兆炀

IPC: H04L29/06 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于两阶段学习模型的网络攻击检测系统及方法，本发明方法按如下步骤进行：步骤1：将网络数据集的特征子集被作为不可分单元进行特征组合的评估，实现网络数据集的特征维度约简；步骤2：将缩减后的网络数据集作为训练数据利用深度学习技术实现网络攻击实时检测模型。本发明两阶段网络攻击检测技术方案，充分考虑了网络高危数据的特征组合效应，针对网络攻击检测需要保证的精确性和时效性，使用特征选择技术、进化搜索技术和深度学习模型结合，以提升网络攻击检测的识别精度并大夫缩减模型训练时间。