摘要
本申请提供一种概率预测模型的训练方法、非目标域名的检测方法及装置,涉及信息安全技术领域。该概率预测模型的训练方法包括:获取域名数据,并对其进行预处理,得到预设长度的整型数组;对该数组进行词嵌入,得到第一域名数据;通过卷积神经网络,得到第一域名数据的局部关键特征图;通过门控循环单元,得到局部关键特征图的上下文特征;通过卷积神经网络,将局部关键特征图的特征空间和上下文特征的特征空间映射到一维样本标记空间;根据该样本标记空间,得到第一域名数据的预测概率,通过预测概率,得到第一域名数据为非目标域名的概率。通过以上方法,可解决融合卷积神经网络与长短时记忆网络的机器学习模型导致的训练与计算难度较大的问题。
技术关键词
上下文特征
数据
门控循环单元
域名系统
融合卷积神经网络
数值
样本
标记
训练装置
矩阵
局部特征提取
信息安全技术
白名单
机器学习模型
特征提取模块
字母
输出模块
字典
字符
系统为您推荐了相关专利信息
轨道车辆
估计方法
传感
非暂态计算机可读存储介质
车体
网络指纹识别
深度学习分类模型
多维特征数据
分类边界
置信度阈值
偏好特征
个性化内容推荐
注意力机制
sigmoid函数
兴趣
巡检机器人
多模态
主动补偿模块
缺陷检测系统
动态浮力
计算机监控系统
数据处理方法
动态数据交换
分布式消息队列
机器学习模型