摘要
本发明公开了一种网络风险识别方法、装置、设备、介质及产品。包括:获取待识别的网络行为数据;将网络行为数据输入至预设特征提取模型,得到对应的网络行为特征;其中,预设特征提取模型基于涡动优化神经网络算法训练得到;将网络行为特征输入至预设特征降维模型,得到对应的网络行为降维特征;其中,预设特征降维模型基于自适应逆向映射的自编码神经网络算法训练得到;根据预设网络风险识别模型确定网络行为降维特征对应的网络风险识别结果;其中,预设网络风险识别模型基于动态模式搜索的支持向量机分类算法训练得到。本方案通过对网络行为数据进行特征提取和特征降维,再对网络行为降维特征进行分类,可实现对网络风险的精准和高效识别。
技术关键词
风险识别模型
特征提取模型
降维特征
风险识别方法
优化神经网络
神经网络算法
数据
分布式拒绝服务攻击
梯度下降优化算法
支持向量机
计算机程序产品
风险识别装置
结构化查询语言
解码器
处理器
生成对抗网络
编码器
系统为您推荐了相关专利信息
趋势预测方法
特征提取模型
量子态
分类器模型
生成对抗网络
智能识别方法
风险识别模型
核电厂监控系统
实时数据
数据收集模块
极限学习机
特征提取模型
参数优化方法
因子
神经网络模型
风险识别模型
金融风险管控
信息导入系统
数据收集模块
指标