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:西北大学
摘要:本发明公开了一种基于CNN‑Transformer融合模块的不平衡网络入侵检测方法:步骤1,对网络入侵检测异常数据集中的原始数据进行预处理;步骤2,构建基于CNN‑Transformer融合模块的不平衡网络入侵检测模型;步骤3,采用预处理后的数据集,对不平衡网络入侵检测模型进行训练,使用EFocalLoss函数作为损失函数,调整模型参数得到最优网络入侵检测模型。步骤4,将测试数据集进行预处理,然后输入步骤3得到的训练好的模型进行分类评估,得到网络流量的入侵行为类型。本发明的方法通过多层模块化的特征提取结构,全面捕获网络流量的时空特征信息,并引入EFocalLoss函数解决类别不平衡问题,从而提高网络入侵检测的准确性和鲁棒性。
主权项:1.一种基于CNN-Transformer融合模块的不平衡网络入侵检测方法,其特征在于,具体包括如下步骤:步骤1,对网络入侵检测异常数据集中的原始数据进行预处理,并标注入侵行为类型,得到可用于进行机器学习的原始数据集;步骤2,构建基于CNN-Transformer融合模块的不平衡网络入侵检测模型,包括如下子步骤:步骤2.1,使用CNN1D卷积操作在保留入侵数据的序列信息的同时提取特征;步骤2.2,经过步骤2.1后,特征向量通过最大池化操作进行下采样;步骤2.3,使用批归一化对步骤2.2的输出进行归一化处理;步骤2.4,将步骤2.3的输出作为Transformer_encoder层的输入来提取序列的时序上下文特征信息;其中,Transformer_encoder层由多个相同的模块堆叠而成,对于输入特征向量Z0,其经过Transformer_encoder层后的输出Z为: 步骤3,采用步骤1得到的预处理后的数据集,对步骤2构建的基于CNN-Transformer融合模块的不平衡网络入侵检测模型进行训练,使用EFocalLoss函数作为损失函数,同时采用K折交叉验证评估模型性能,调整模型参数得到最优网络入侵检测模型;步骤4,将测试数据集进行预处理,然后输入步骤3得到的训练好的模型进行分类评估,得到网络流量的入侵行为类型。
全文数据:
权利要求:
百度查询: 西北大学 基于CNN-Transformer融合模块的不平衡网络入侵检测方法
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。