摘要
本发明涉及计算机网络技术领域,具体涉及一种计算机网络异常检测方法,包括以下步骤:S1,数据收集与预处理:收集实时网络流量数据;S2,多源数据融合:将预处理后的网络流量数据与防火墙日志数据、入侵检测系统日志数据以及服务器访问日志数据融合为多源数据;S3,拓扑结构构建:构建网络流量的拓扑结构模型;S4,动态特征映射与关联分析:提取动态拓扑特征;S5,行为模式识别与分类:对网络行为进行分类;S6,实时检测与报警:实时网络流量监控和检测;S7,模型自适应更新:定期分析网络流量中的特征和模式。本发明,能够及时捕捉到潜在的异常行为,从而提高了网络安全防护的全面性和精确性。
技术关键词
计算机网络异常检测方法
拓扑特征
网络流量数据
模式识别模型
网络节点
防火墙日志
访问日志数据
网络流量监控
迁移学习技术
分析网络流量
系统日志
游走模型
动态模式识别
时间序列分析方法
监控网络流量
系统为您推荐了相关专利信息
强化学习模型
环境感知数据
强化学习策略
关系
规划
飞行状态监测方法
数据分类
双向长短期记忆
自动驾驶装置
长短期记忆网络
主机
网络互通系统
VXLAN隧道
云上网络
主节点
双向长短期记忆网络
注意力机制
上下文特征
网络流量数据
残差结构