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：太原科技大学;太原清众鑫科技有限公司

摘要：本发明提供了基于机器学习的网络威胁检测方法，包括：通过获取具有网络威胁的网络流作为训练数据，进行模型训练得到卷积神经网络模型、循环神经网络模型、Transformer模型和LSTM模型，再通过曲面拟合来确定各自模型的最优的准确率、精确度、召回率和F1分数，并基于此来优化模型，最后使用最优的卷积神经网络模型、最优的循环神经网络模型、最优的Transformer模型和最优的LSTM模型，共同进行网络威胁检测。本发明可以有效提高检测准确率。

主权项：1.基于机器学习的网络威胁检测方法，其特征在于，包括：获取具有网络威胁的网络流作为训练数据；对训练数据进行预处理，并划分为训练集和验证集；基于训练集，分别构建并进行模型训练得到卷积神经网络模型、循环神经网络模型、Transformer模型和LSTM模型；基于验证集，确定卷积神经网络模型的第一准确率、第一精确度、第一召回率和第一F1分数，确定循环神经网络模型的第二准确率、第二精确度、第二召回率和第二F1分数，确定Transformer模型的第三准确率、第三精确度、第三召回率和第三F1分数，确定LSTM模型的第四准确率、第四精确度、第四召回率和第四F1分数；将第一召回率作为行向量，第一精确度作为列向量，构成矩阵并导入第一准确率，执行曲面拟合操作，得到第一拟合曲面；将第一F1分数作为行向量，第一精确度作为列向量，构成矩阵并导入第一准确率，执行曲面拟合操作，得到第二拟合曲面；基于验证集、第一拟合曲面和第二拟合曲面，选取最优的第一准确率对应的第一精确度、第一召回率和第一F1分数，得到最优的第一准确率、最优的第一精确度、最优的第一召回率和最优的第一F1分数；基于最优的第一准确率、最优的第一精确度、最优的第一召回率和最优的第一F1分数，通过调整超参数、修改模型结构和采用正则化来优化卷积神经网络模型的模型参数，得到最优的卷积神经网络模型；将第二召回率作为行向量，第二精确度作为列向量，构成矩阵并导入第二准确率，执行曲面拟合操作，得到第三拟合曲面；将第二F1分数作为行向量，第二精确度作为列向量，构成矩阵并导入第二准确率，执行曲面拟合操作，得到第四拟合曲面；基于验证集、第三拟合曲面和第四拟合曲面，选取最优的第二准确率对应的第二精确度、第二召回率和第二F1分数，得到最优的第二准确率、最优的第二精确度、最优的第二召回率和最优的第二F1分数；基于最优的第二准确率、最优的第二精确度、最优的第二召回率和最优的第二F1分数，通过调整超参数、修改模型结构和采用正则化来优化循环神经网络模型的模型参数，得到最优的循环神经网络模型；将第三召回率作为行向量，第三精确度作为列向量，构成矩阵并导入第三准确率，执行曲面拟合操作，得到第五拟合曲面；将第三F1分数作为行向量，第三精确度作为列向量，构成矩阵并导入第三准确率，执行曲面拟合操作，得到第六拟合曲面；基于验证集、第五拟合曲面和第六拟合曲面，选取最优的第三准确率对应的第三精确度、第三召回率和第三F1分数，得到最优的第三准确率、最优的第三精确度、最优的第三召回率和最优的第三F1分数；基于最优的第三准确率、最优的第三精确度、最优的第三召回率和最优的第三F1分数，通过调整超参数、修改模型结构和采用正则化来优化Transformer模型的模型参数，得到最优的Transformer模型；将第四召回率作为行向量，第四精确度作为列向量，构成矩阵并导入第四准确率，执行曲面拟合操作，得到第七拟合曲面；将第四F1分数作为行向量，第四精确度作为列向量，构成矩阵并导入第四准确率，执行曲面拟合操作，得到第八拟合曲面；基于验证集、第七拟合曲面和第八拟合曲面，选取最优的第四准确率对应的第四精确度、第四召回率和第四F1分数，得到最优的第四准确率、最优的第四精确度、最优的第四召回率和最优的第四F1分数；基于最优的第四准确率、最优的第四精确度、最优的第四召回率和最优的第四F1分数，通过调整超参数、修改模型结构和采用正则化来优化LSTM模型的模型参数，得到最优的LSTM模型；使用最优的卷积神经网络模型、最优的循环神经网络模型、最优的Transformer模型和最优的LSTM模型，共同进行网络威胁检测。

全文数据：

权利要求：

百度查询： 太原科技大学 太原清众鑫科技有限公司 基于机器学习的网络威胁检测方法、系统及存储介质