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：东南大学
摘要：本发明提出了一种基于深度子域迁移学习的细粒度攻击行为变种识别方法，分为四个部分，第一部分为EADU还原操作，具体内容为根据还原算法将变种行为流量还原为EADU，并选择前n个EADU作为行为早期样本。第二部分为特征提取操作，具体内容为对n‑EADU提取m个统计特征，并生成对应[k,k]维RGB图片，作为后续模块的输入。第三部分为深度子域迁移学习模型，具体内容为通过注意力模块对不同特征以及特征不同位置进行权重更新，生成新的特征图，通过深度子域适应模块拟合源域和目标域特征分布差异，压缩原始攻击行为流量和行为变种流量特征的距离，第四部分为远控木马攻击行为变种流量的识别操作，具体内容为将训练好的模型对不同攻击行为的变种流量进行识别。
主权项：1.一种基于深度子域迁移学习的远控木马行为变种识别方法，其特征在于，包括如下步骤：1将远控木马细粒度攻击行为流量还原为EADU加密应用数据单元，选择前n个EADU作为细粒度攻击行为的早期样本；2对步骤1中的n-EADU提取m个统计特征，构建具备稳定性的一维特征向量，并调整该向量的维度，生成[k,k]维RGB图片，作为后续模块的输入；3将步骤2得到的RGB图片输入到通道注意力模块，提取带有通道注意力的特征；4将步骤3提取了通道注意力的特征输入到深度子域适应模块，拟合源域和目标域特征分布差异，压缩原始攻击行为流量和行为变种流量特征的距离；5将步骤4经过子域优化后的特征输入到空间注意力模块，提取带有空间注意力的特征；6将步骤5得到的特征向量输入到Softmax分类器中，输出以行为类别数为维度的多类别概率向量，选择概率值最大的索引值所对应的行为标签作为识别的细粒度攻击行为变种类别。
全文数据：
权利要求：
百度查询： 东南大学 一种基于深度子域迁移学习的细粒度攻击行为变种识别方法
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