公开(公告)号：CN116258167A

公开(公告)日：2023-06-13

申请号：CN202211413783.7

申请日：2022-11-11

Applicant: 网络通信与安全紫金山实验室

Inventor： 吴博 ,  石鸿伟 ,  姚振杰 ,  涂燕晖 ,  陈一昕

IPC: G06N3/0455 ,  G06N3/0499 ,  G06N3/08 ,  G06F11/34

Abstract: 本申请实施例公开了一种数据检测方法、装置、电子设备及介质。该方法包括：采用Transformer编码器对待检测数据进行编码，确定待检测数据对应的高斯分布数据；对高斯分布数据进行采样，得到采样数据，并采用Transformer解码器对采样数据进行解码，得到重构数据；根据待检测数据与重构数据的差异数据，确定待检测数据的检测结果。本技术方案，通过应用Transformer编码器能够提取待检测数据中的特征信息，获取不同时刻的待检测数据中的依赖关系，通过应用Transformer解码器完成数据的重构，与重构前的待检测数据进行对比，检测出具备长期趋势特点的异常行为，解决了目前不能准确的对具有长期趋势的待检测数据进行异常检测的问题，提高了检测准确性。

公开(公告)号：CN111949704A

公开(公告)日：2020-11-17

申请号：CN202010690245.7

申请日：2020-07-17

Applicant: 网络通信与安全紫金山实验室

Inventor： 姚振杰 ,  涂燕晖 ,  陈一昕

IPC: G06F16/2458 ,  G06F16/28 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明公开一种可解释的多维时序数据分析方法，包括S1、建立多维时序数据分析模型，分析模型为卷积神经网络，依次包括输入层、卷积层、隐层和输出层；S2、将不同时间点采集的多个指标数据作为输入数据输入分析模型，输入数据为n*k的矩阵，其中n为输入数据的维数，即指标数量，k为输入数据的采集次数；S3、分析模型输出一个或多个预测结果，对应不同建模任务；S4、对预测结果进行回溯，得到神经元的权重，进而得到组成该神经元的输入数据维度和变化模式的权重，使得分析模型具有可解释性。本发明的这种自适应模式匹配机制可以充分挖掘各个指标的变化趋势，进而提升数据分析模型的预测能力。

公开(公告)号：CN111970163B

公开(公告)日：2022-06-21

申请号：CN202010618153.8

申请日：2020-06-30

Applicant: 网络通信与安全紫金山实验室

Inventor： 徐倩 ,  姚振杰 ,  涂燕晖 ,  陈一昕

IPC: H04L43/0876 ,  H04L41/147 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于注意力机制的LSTM模型的网络流量预测方法，该方法包括以下步骤：步骤1：数据预处理，对所述网络流量数据进行标准化处理，然后将网络流量数据划分为训练数据和测试数据；步骤2：构建模型，构建基于注意力机制的LSTM模型，步骤3：模型训练，将训练数据输入所述基于注意力机制的LSTM模型中，基于Adam优化算法进行迭代训练，得到训练好的模型；步骤4：网络流量预测。该网络流量预测方法在计算当前时刻的输出状态时，综合考虑前面多个时刻的隐藏状态，使得输出序列中每一项的生成概率都受输入多个历史序列隐藏状态的影响，对流量的预测更加准确。

公开(公告)号：CN111970163A

公开(公告)日：2020-11-20

申请号：CN202010618153.8

申请日：2020-06-30

Applicant: 网络通信与安全紫金山实验室

Inventor： 徐倩 ,  姚振杰 ,  涂燕晖 ,  陈一昕

IPC: H04L12/26 ,  H04L12/24 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于注意力机制的LSTM模型的网络流量预测方法，该方法包括以下步骤：步骤1：数据预处理，对所述网络流量数据进行标准化处理，然后将网络流量数据划分为训练数据和测试数据；步骤2：构建模型，构建基于注意力机制的LSTM模型，步骤3：模型训练，将训练数据输入所述基于注意力机制的LSTM模型中，基于Adam优化算法进行迭代训练，得到训练好的模型；步骤4：网络流量预测。该网络流量预测方法在计算当前时刻的输出状态时，综合考虑前面多个时刻的隐藏状态，使得输出序列中每一项的生成概率都受输入多个历史序列隐藏状态的影响，对流量的预测更加准确。