基于因果推断模型的网络流量异常检测方法

AITNT
正文
推荐专利
基于因果推断模型的网络流量异常检测方法
申请号:CN202410732928
申请日期:2024-06-07
公开号:CN118509239A
公开日期:2024-08-16
类型:发明专利
摘要
本发明公开了基于因果推断模型的网络流量异常检测方法,包括如下步骤:S1、收集网络流量数据,对网络流量数据预处理;S2、利用预处理数据构建贝叶斯网络,网络通过节点和概率关系表示不同网络参数之间的相互作用;S3、使用历史网络流量数据训练贝叶斯网络模型;S4、在网络运行期间,对实时输入网络数据进行异常检测,当识别出与正常行为显著不同的模式时,将其标记为异常;本发明的网络流量异常检测方法具有自适应性强、准确性高、实时性强和减少人工干预等显著优点。
技术关键词
网络流量数据 贝叶斯网络模型 识别网络流量 节点 代表 参数 自动标记 监测网络流量 序列 网络流量分析 异常事件 格式化 实时数据处理 关系 网络结构 模式 算法
系统为您推荐了相关专利信息
1
一种基于D-GCN和目标检测网络yolov5的多标签图像分类方法
图像分类方法 网络 深度学习计算机视觉 双线性池化 注意力
2
一种异步分布式密钥生成方法及装置
分布式密钥 多项式 消息 生成方法 阶段
3
一种基于区块链的端到端加密通信方法及系统
星际文件系统 密钥 消息 Shamir门限 分片
4
一种智能取餐称重方法
人体 坐标 图像 关节点 称重方法
5
一种基于血液蛋白质组风险评分模型的糖尿病认知障碍预测标志物组合及其应用
糖尿病认知障碍 梯度提升模型 风险评分模型 标志物 Logistic回归模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号