摘要
本发明提供一种基于多模态时空特性的DNS数据泄露检测方法和系统,涉及DNS数据泄露检测技术领域。本发明针对每一个DNS数据流,将其转换为若干不同的模态图像,可以保留DNS数据的时序信息和位置相关性,更有效地从多模态中提取时空特征,从而为DNS泄密数据检测提供准确的深度特征,提高DNS数据泄露检测的准确率。同时,设计了基于深度残差收缩网络的深度特征提取模块,可以有效整合来自不同模态的补充信息,并利用深度残差收缩网络对噪声的鲁棒性,可以自动提取深度DNS数据泄密特征,提高实际检测中的鲁棒性。
技术关键词
数据泄露检测方法
深度残差
卷积神经网络模块
深度特征提取网络
多模态
泄露检测系统
通道注意力机制
泄露检测技术
彩色图像
三通道
语义
鲁棒性
残差模块
时序
系统为您推荐了相关专利信息
视频图像特征
语音特征信息
生成方法
情绪特征
面部
蓝牙信标
LoRa自组网
计算机可读取存储介质
电子导航地图
定位模块
故障图像识别方法
风机齿轮箱
深度学习分析
知识图谱推理
多模态