摘要
本发明提供了一种网络恶意流量检测分析方法及系统,所述方法为根据网络流量特征库获取网络流量数据的疑似恶意流量切片数据,根据基于疑似恶意流量切片数据的异常值检测结果进行攻击模式关联分析得到的异常威胁等级,基于预设推理引擎自动生成初始流量管理策略后,将对疑似恶意流量切片数据依次进行降噪和基于特征工程技术的特征提取得到的多维度特征数据输入恶意流量检测模型进行恶意流量识别得到疑似零日攻击样本,并根据疑似零日攻击样本的零日攻击类型,获取恶意流量防控策略用于对初始流量管理策略调整生成最优流量管理策略。本发明能自适应感知流量模式和攻击手段的变化,深层挖掘隐蔽攻击模式,实现快速精准地识别和阻断零日攻击。
技术关键词
恶意流量检测模型
切片
管理策略
网络流量特征
强化学习模型
特征工程技术
多维度特征提取
分析方法
降噪特征
网络流量数据集
关联规则挖掘算法
样本
深度包检测技术
递归神经网络
多层次特征
关联关系分析
系统为您推荐了相关专利信息
供应链管理方法
深度学习模型
管理标签
邻域
实时数据
长短期记忆网络
卡尔曼滤波方法
新能源汽车
化学电池
储能系统
相位方法
多实例
注意力机制
切片
二维卷积神经网络