基于无监督变分自编码器的相似网络行为用户识别方法

AITNT
正文
推荐专利
基于无监督变分自编码器的相似网络行为用户识别方法
申请号:CN202411444253
申请日期:2024-10-16
公开号:CN119341689B
公开日期:2025-12-26
类型:发明专利
摘要
本发明公开了一种基于无监督变分自编码器的相似网络行为用户识别方法,涉及于网络安全技术领域,该方法基于超大规模网络通联元数据,利用无监督变分自编码器模型,从海量用户网络流量元数据中学习用户网络行为深层规律特征,再对用户表象的网络行为抽象为本质行为模式的高维向量表征,最后利用向量之间的相似性对用户进行识别;具体包含网络流量元数据化、网络行为统计特征提取、行为特征图像化处理、深度学习模型训练、深层特征提取、相似行为用户识别。
技术关键词
网络流量元数据 无监督 编码器 深度学习模型训练 识别方法 统计特征提取 深层特征提取 滑动窗口 网络用户 超大规模 端口 协议 网络安全技术 样本 图像 过滤器
系统为您推荐了相关专利信息
1
基于语义分割的探地雷达反演方法、装置、设备及介质
反演模型 反演方法 语义 图像 掩膜
2
自主土地管理代理的抗幻觉多模态大模型变化检测方法
变化检测方法 多模态 表达式 图像编码器 文本
3
一种燃料组件的表面特征检测方法、装置及系统
燃料组件 特征检测方法 表面图像数据 表面特征检测装置 融合图像特征
4
一种基于深度学习的植物性状无损监测方法及装置
性状预测模型 无损监测方法 特征地图 光谱辐射计 多层感知器
5
一种结合脉冲神经网络和胶囊网络的抗干扰目标识别方法、程序、设备及存储介质
胶囊网络 识别方法 图像 矩阵 注意力机制
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