公开(公告)号：CN107294993A

公开(公告)日：2017-10-24

申请号：CN201710543858.6

申请日：2017-07-05

Applicant: 重庆邮电大学

Inventor： 李智星 ,  沈柯 ,  于洪 ,  张冠群 ,  代南瑶 ,  胡聪 ,  胡峰 ,  王进 ,  雷大江 ,  欧阳卫华

IPC: H04L29/06

Abstract: 本发明请求保护一种基于集成学习的WEB异常流量监测方法，包括数据预处理，构建特征工程，数据集重构，模型的建立与融合和模型测试五个过程。数据预处理是对URL数据进行有效信息抽取。特征工程的构建是采用信息熵、互信息等统计学方法进行URL特征的提取与构建。特征工程构建完成后，针对不同的访问性质，对数据集进行调整，输入XGBoost、LightGBM等四种机器学习算法中进行有监督学习。学习器构造完成后，采用Bagging框架集成学习器。在原始数据集上重新选取数据集进行分类预测，以多数投票的方式敲定标签，检验模型准确率。在使用模型过程中，将URL输入模型，模型中的五个子模型会分别给出各自的标签概率，概率最高的标签作为最终标签给出。

公开(公告)号：CN107294993B

公开(公告)日：2021-02-09

申请号：CN201710543858.6

申请日：2017-07-05

Applicant: 重庆邮电大学

Inventor： 李智星 ,  沈柯 ,  于洪 ,  张冠群 ,  代南瑶 ,  胡聪 ,  胡峰 ,  王进 ,  雷大江 ,  欧阳卫华

IPC: H04L29/06

Abstract: 本发明请求保护一种基于集成学习的WEB异常流量监测方法，包括数据预处理，构建特征工程，数据集重构，模型的建立与融合和模型测试五个过程。数据预处理是对URL数据进行有效信息抽取。特征工程的构建是采用信息熵、互信息等统计学方法进行URL特征的提取与构建。特征工程构建完成后，针对不同的访问性质，对数据集进行调整，输入XGBoost、LightGBM等四种机器学习算法中进行有监督学习。学习器构造完成后，采用Bagging框架集成学习器。在原始数据集上重新选取数据集进行分类预测，以多数投票的方式敲定标签，检验模型准确率。在使用模型过程中，将URL输入模型，模型中的五个子模型会分别给出各自的标签概率，概率最高的标签作为最终标签给出。