-
公开(公告)号：CN110535723B
公开(公告)日：2021-01-19
申请号：CN201910798422.0
申请日：2019-08-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种SDN中采用深度学习的消息异常检测方法，采用滑动窗口的方法将流式消息转化为消息序列与预测消息之间的映射，通过学习历史消息，预测一个指定消息序列所对应的输出概率，该方法可以有效的考虑历史消息对下一跳消息的影响，并能支持实时的异常检测；将预测概率中前k高的消息均视为正常消息，克服了动态策略下预测消息不唯一的问题。对消息id与参数向量中参数进行分别预测，当新到达的消息所有参数均通过检测时，才被判断为正常消息。而当出现检测失败的情形，则将正确的消息序列与预测消息作为新的输入进行增量训练，这解决了现有技术无法适应时变性网络的问题，在动态网络中也能正常运行。本发明方法简单，检测结果准确。
-
公开(公告)号：CN110535723A
公开(公告)日：2019-12-03
申请号：CN201910798422.0
申请日：2019-08-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种SDN中采用深度学习的消息异常检测方法，采用滑动窗口的方法将流式消息转化为消息序列与预测消息之间的映射，通过学习历史消息，预测一个指定消息序列所对应的输出概率，该方法可以有效的考虑历史消息对下一跳消息的影响，并能支持实时的异常检测；将预测概率中前k高的消息均视为正常消息，克服了动态策略下预测消息不唯一的问题。对消息id与参数向量中参数进行分别预测，当新到达的消息所有参数均通过检测时，才被判断为正常消息。而当出现检测失败的情形，则将正确的消息序列与预测消息作为新的输入进行增量训练，这解决了现有技术无法适应时变性网络的问题，在动态网络中也能正常运行。本发明方法简单，检测结果准确。
-
Search Results
2
records
(took 0.021 seconds)
