龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉大学
摘要：为了解决网络异常检测中特征提取能力较弱的问题，本发明通过将输入一维特征属性数据转化为二维RGB图像，从而将网络异常检测问题转化为图像异常检测问题，并将空间注意力机制引入ResNeXt网络模型中，提高模型特征提取能力。本发明公开的一种基于GMD图像化与改进ResNeXt的动态网络异常检测方法，首先采取结合了格拉姆角场、马尔可夫变迁场和差值编码的图像化方法将输入数据转化为二维RGB图像，然后将ResNeXt网络结构中的标准卷积替换为具有动态调整感受野功能的MA‑Dilated卷积，并使用改进后的ResNeXt网络进行特征提取，最后使用极限学习机完成分类工作，能够实现对异常数据的高效准确检测。
主权项：1.基于GMD图像化与改进ResNeXt的网络异常检测方法，其特征在于，包括：S1：对原始网络流量数据进行预处理，预处理包括编码、标准化以及将数据划分为训练样本集和测试样本集，其中训练样本集和测试样本集中包含的数据为一维数据；S2：使用基于GMD的图像化方法对步骤S1得到的一维数据进行二维图像化转换；S3：采用改进ResNeXt对转换得到的二维数据进行特征提取，其中，改进ResNeXt为嵌入了空间注意力机制的ResNeXt网络，改进ResNeXt将原始ResNeXt网络结构中的标准卷积替换为能够根据特征动态调整感受野大小的扩张卷积，对不同区域之间的差异性特征进行有针对性和选择性的提取；S4：将经过步骤S3特征提取后的训练数据输入核极限学习机分类器中进行训练，得到训练好的模型，其中，训练数据在输入核极限学习机分类器之前对其添加高斯白噪声；S5：将同样经过步骤S3特征提取后的测试数据输入训练好的模型进行网络异常检测。
全文数据：
权利要求：
百度查询： 武汉大学 基于GMD图像化与改进ResNeXt的网络异常检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号