摘要
本发明属于加密恶意流量检测领域,提供了一种基于注意力机制的恶意流量识别分类方法及系统,包括获取实时网络流量并进行预处理;基于预处理后的网络流量数据,利用深度神经网络模型进行多尺度特征学习,得到多尺度网络流量特征;利用多尺度感知融合注意机制,对多尺度网络流量特征进行不同尺度的特征映射,并对不同尺度的网络流量映射特征进行注意力加权融合,得到融合尺度网络流量特征;基于融合尺度网络流量特征进行分类识别,确定网络流量的恶意分类识别结果。
技术关键词
网络流量特征
识别分类方法
多尺度特征学习
网络流量数据
注意力机制
深度神经网络模型
多尺度感知
加权特征
数据格式
加密恶意流量
识别分类系统
多尺度特征提取
处理器
计算机设备
可读存储介质
模块
系统为您推荐了相关专利信息
智能配置方法
粒子群算法
门控循环单元
车辆
因子
终端访问权限
资源访问请求
时序特征
属性访问控制策略
分析方法
预警系统
漏洞
机器学习模型
合同文本数据
结构化数据格式
LSTM模型
知识图谱构建
训练集
生成知识图谱
存储程序代码