搜索到3969 篇“ 网络异常流量检测 “的相关文章
一种基于大数据的网络 异常 流量 检测 方法 网络 异常 流量 检测 方法，属于流量 检测 ，具体包括：对采集的流量 指标进行预处理；对处理后的流量 指标进行特征工程处理，提取关键特征并转换成用于机器学习模型的格式；基于深度学习算法，对特征化的流量 指标进...网络 异常 流量 检测 方法、装置、设备及存储介质网络 异常 流量 检测 方法、装置、设备及存储介质，本方案通过基于机器学习的方法，得到的预设网络 异常 流量 检测 模型能够从原始流量 数据中自动提取和学习最有用的特征，降低了特征提取的复杂性和对业务知识的依赖；并且，能够...深度学习下的网络 异常 流量 检测 模型设计 2024年 网络 安全威胁检测 问题进行研究,提出了一种基于卷积神经网络 的异常 网络 流量 检测 模型,同时对可能威胁网络 安全的异常 网络 流量 进行了检测 ,并通过分类确定了异常 流量 的类型。测试结果显示,该模型对不同类别的异常 网络 流量 进行检测 和分类的平均准确率达到了99.24%,平均F1值达到了99.23%,具有可行性和有效性,且综合性能良好。关键词：卷积神经网络 网络安全 网络 异常 流量 检测 方法、装置、电子设备及存储介质网络 异常 流量 检测 方法、装置、电子设备及存储介质，包括：从流量 采集设备采集到的网络 流量 中提取流量 特征数据，所述流量 采集设备用于针对待检测 网络 进行流量 采集；将所述流量 特征数据与多个正常流量 特征数据范围分别...网络 异常 流量 检测 模型训练方法、装置及电子设备网络 异常 流量 检测 模型训练方法、装置及电子设备属于网络 安全技术领域，该方法包括：获取网络 流量 数据，通过对所述网络 流量 数据进行预处理，获得训练数据；将所述训练数据输入网络 流量 异常 检测 模型的多分辨率卷积神经网络 ...一种面向Modbus协议的工业控制网络 异常 流量 检测 方法 网络 异常 流量 检测 方法，包括以下步骤：S1、捕获Modbus协议应用层报文中的数据包；S2、将捕获到的数据包流量 进行特征提取与数据处理，并基于规则的流量 特征来识别异常 流量 和攻击行...一种面向Modbus协议的工业控制网络 异常 流量 检测 方法 网络 异常 流量 检测 方法，包括以下步骤：S1、捕获Modbus协议应用层报文中的数据包；S2、将捕获到的数据包流量 进行特征提取与数据处理，并基于规则的流量 特征来识别异常 流量 和攻击行...基于改进马尔科夫链的无线通信网络 异常 流量 检测 研究 2024年 网络 异常 流量 检测 中,特征提取一般为固定形式,检测 效率较低,且最终得出的检测 结果误检率较高。因此,提出基于改进马尔科夫链的无线通信网络 异常 流量 检测 研究。根据当前检测 需求,首先进行通信网络 数据的采集和预处理,其次采用多阶提取方式提取网络 异常 流量 特征,最后在此基础上构建改进马尔科夫链通信网络 异常 流量 检测 模型。测试结果表明,文章所设计方法的误检率较低,说明在改进马尔科夫链的辅助下,此无线通信网络 异常 流量 检测 方法更加灵活、多变,显著提升了检测 效果。关键词：无线通信 网络异常流量检测 基于小样本学习的网络 异常 流量 检测 2024年 网络 结构具有较高复杂性,因此导致各种异常 流量 现象层出不穷,其中包括一些标注样本极少的新型异常 流量 类型。为了有效识别标注样本量极少的异常 情况,设计了一种基于小样本学习的网络 异常 流量 检测 方法。该方法利用基于小样本的迁移学习技术识别异常 流量 ,从而确保了网络 安全。关键词：小样本 网络异常流量 基于CNN-BiBASRU-AT的网络 异常 流量 检测 模型 2024年 网络 异常 流量 识别准确率不高、基础深度学习模型特征提取能力不足以及循环神经网络 训练效率低等问题,提出了基于卷积神经网络 (Convolutional Neural Network,CNN)-双向内置注意力简单循环单元(Bidirectional Built in Attention Simple Recurrent Unit,BiBASRU)-AT的网络 异常 流量 检测 模型。采用深层一维卷积模块提取流量 局部特征表示,对高维度流量 特征进行降维且学习到显著分类特征,增强模型的特征表示能力;同时构建内置自注意力简单循环单元(Built in self Attention Simple Recurrent Unit,BASRU)以同时捕捉流量 中长距离的时序特征信息和内部特征之间的相互依赖关系,进一步挖掘流量 特征内的高维结构信息。软注意力机制识别出对分类结果影响较大的重点特征,赋予关键特征更高权重,避免无关信息对分类结果造成干扰,最后由线性层输出分类概率分布,经Softmax函数归一化后取最大值对应标签作为流量 识别结果。在多分类网络 异常 流量 公开标准数据集UNSW-NB15上的实验结果表明,该模型取得了92.81%的F1值,高于实验对比的其他先进深度学习模型的结果,内置自注意力简单循环单元特征捕捉能力和训练效率优于其他传统循环神经网络 的结果,证明了模型的可行性和有效性。关键词：网络异常流量检测
相关作者
陈晋音 作品数：640 被引量：479 H指数：11 供职机构：浙江工业大学 研究主题：防御方法 防御 网络 攻击防御 图像 施新刚 作品数：116 被引量：79 H指数：5 供职机构：清华大学 研究主题：异常检测 网络流量异常检测方法 网络流量 存储介质 网络 尹霞 作品数：192 被引量：284 H指数：9 供职机构：清华大学 研究主题：路由 异常检测 网络 路由协议 网络故障 王之梁 作品数：203 被引量：112 H指数：6 供职机构：清华大学 研究主题：网络 异常检测 存储介质 网络流量 IPV6 张晗 作品数：74 被引量：171 H指数：8 供职机构：清华大学 研究主题：心房颤动 中国急诊 患者预后 心房颤动患者 路由配置
