摘要
本发明公开了一种网络流量检测方法、系统、电子设备及存储介质,方法包括对捕获到的网络流量提取流级别特征并对其进行独热编码,得到多维特征向量,利用kmeans算法对多维特征向量分别进行良性流量和恶意流量聚类,并生成子类标签;使用多质心对比自编码器对多维特征向量降维,得到嵌入特征向量;使用多层感知器对所述嵌入特征向量进行二分类,获取所述嵌入特征向量的良性类置信度和恶意类置信度,并确定置信度高对应的类为预测类;基于所述嵌入特征向量的子类质心和置信度筛选待检测样本,并利用筛选出的所述待检测样本优化所述多质心对比自编码器和所述多层感知器。本发明方法对正常流量和恶意流量具有持续高效的判别能力。
技术关键词
网络流量检测方法
多维特征向量
多层感知器
kmeans算法
样本
轮廓系数
编码器
表达式
标签
电子设备
聚类
处理器
模块
可读存储介质
存储器
计算机
指令
重构
系统为您推荐了相关专利信息
面部特征识别
情绪识别模型
面部图像数据
情绪特征
文本
芯片
抗病性状
全基因组关联分析
遗传多样性分析
液相
物联设备
人工智能模型
能耗分析方法
预测能耗数据
设备状态数据
葡萄
全基因组关联分析
贝叶斯回归模型
混合线性模型
模型贝叶斯