摘要
本发明涉及基于掩码自动编码器预训练的恶意流量检测方法,与现有技术相比解决了难以针对恶意流量进行有效检测的缺陷。本发明包括以下步骤:数据预处理;掩码自动编码器的设定;进行掩码自动编码器的预训练;掩码自动编码器的微调;待检测流量的获取与恶意流量的检测。本发明采用了更有效的流量数据处理方式保留了更多流的信息,用掩码增强数据使模型对数据量的需求大幅降低,流量特征编码中按包级流级两个维度更有效的提取数据特征,采用包括掩码、投影的对比学习方法充分提取不同种类流量的区别特征,并利用预训练方法增强模型的迁移能力,降低了实际运行的开销,可以有效地识别恶意流量。
技术关键词
自动编码器
恶意流量检测方法
补丁
投影模块
矩阵
样本
编码模块
带标签
生成随机
注意力
数据处理方式
预训练方法
包头
学习方法
标记
线性
系统为您推荐了相关专利信息
静态特征
机器学习模型
字典
注意力机制
恶意代码分类
肺结节良恶性
判定方法
随机森林模型
序列特征
多模态
图像增强方法
图像增强模型
离散余弦变换
模块
变量
大语言模型
知识编辑方法
训练样本数据
模块
计算机可读取存储介质