摘要
本发明涉及网络空间安全技术领域,本发明公开了基于注意力机制和深度学习的恶意流量检测方法、系统、存储介质及设备,包括:获取待检测的网络节点的流量数据,并进行预处理;采用训练后的恶意流量检测模型在线检测预处理后的流量数据,得到流量数据所属类别;其中,恶意流量检测模型包括层次特征提取模型、时空特征提取模型和自注意力层,所述层次特征提取模型通过堆叠的卷积层,提取流量数据的层次特征图,所述时空特征提取模型采用卷积长短时记忆网络,提取不同尺度的时空结构特征;所述自注意力层对层次特征图和不同尺度的时空结构特征进行加权融合。提高了恶意流量检测的精度。
技术关键词
特征提取模型
恶意流量检测方法
恶意流量检测模型
卷积长短时记忆网络
注意力机制
集成特征
多尺度特征
数据
网络节点
解码
融合特征
编码
非线性
在线
矩阵
切片
模块
精度
系统为您推荐了相关专利信息
任务调度系统
离散事件驱动
多头注意力机制
决策
动态资源调度
多任务卷积神经网络
分级分类方法
样本
卷积特征提取
图像增强
人形机器人
深度强化学习
机器人控制模块
决策
网络
自动优化方法
螺旋填料
音频特征提取
视觉特征提取
补丁
风险态势预测方法
多模态信息融合
交叉注意力机制
自动驾驶运动规划
意图