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：燕山大学
摘要：本发明公开了一种基于CDIVAE和双向时序模型的自适应入侵检测方法，属于网络攻击检测技术领域，通过GWR算法对源域数据进行过滤聚类，同时过滤掉其中大量的重复数据，提取出一个分布清晰且规模较小的源域数据子集；基于高斯混合条件域不变变分自编码器缩小源域与目标域之间的后验分布的差异，最后通过双向保持网络编码器和双向长短期记忆网络的融合神经网络BRN‑BiLSTM进行入侵检测，先通过BRN对数据进行双向时序加权，之后通过BiLSTM对时序加权之后的数据进行识别并分类，通过记忆单元和门控单元能够有效的捕获数据的依赖关系。本发明能够更好的进行域不变特征提取和数据分布对齐，同时也具有更好跨领域入侵检测性能。
主权项：1.一种基于CDIVAE和双向时序模型的自适应入侵检测方法，其特征在于：包括基于GWR算法的过滤聚类算法、基于高斯混合条件域不变变分自编码器的域不变特征提取方法和基于双向保持网络与双向长短期记忆网络的融合神经网络模型，具体包括以下步骤：步骤S1、对数据进行最大最小归一化并通过欠采样技术对数据进行平衡化处理；步骤S2、将处理后的数据通过GWR算法对源域数据进行过滤聚类，该算法基于欧几里得距离对源域数据集进行聚类，同时过滤掉其中大量的重复数据，提取出分布清晰且规模较小的源域数据子集；步骤S3、通过高斯混合条件域不变变分自编码器减小目标域与源域的条件分布的差异，保证后验分布的对齐；步骤S4、通过双向保持网络编码器和双向长短期记忆网络的融合神经网络对攻击流量进行检测，首先通过BRN对数据进行双向时序加权，通过双向的因果掩盖和指数衰减加权避免模型过拟合，同时通过串并混合的方式提高模型的计算效率，之后通过BiLSTM对时序加权之后的数据进行识别并分类，其通过记忆单元和门控单元能够有效的捕获数据的依赖关系；步骤S5、通过消融实验和对比实验对算法的自适应能力进行验证，以F1值作为评价标准验证方法的有效性和优越性。
全文数据：
权利要求：
百度查询： 燕山大学 基于CDIVAE和双向时序模型的自适应入侵检测方法
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。
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