摘要
本发明公开了一种基于人工智能的入侵检测方法及系统,属于网络安全技术领域,该方法首先提取网络流量数据的特征,并对提取的特征进行标准化和降维处理,得到特征数据集;构建联合机器学习模型,其包括多个并行的学习模型,采用数据集并结合迁移学习对所有学习模型进行批量训练,采用集成学习方法将多个预训练的学习模型的预测结果进行融合,得到训练后的联合机器学习模型;将实时的网络流量数据输入训后的联合机器学习模型,联合机器学习模型对网络流量数据进行入侵监测;该方法对网络流量进行高效、实时的入侵检测,提高检测准确率和适应性。
技术关键词
网络流量数据
入侵检测方法
机器学习模型
集成学习方法
集成学习模型
流式数据处理方法
深度学习模型
报告
随机森林模型
LSTM模型
网络安全技术
生成对抗网络
可视化界面
异常流量
数据采集模块
特征工程
编码器
批量
预警模块
系统为您推荐了相关专利信息
棉铃虫
识别方法
图像
特征选择算法
自动化采集系统
异常监控系统
数据采集单元
控制系统
异常监控方法
饲料
混凝土
强度
训练机器学习模型
环境监测技术
WiFi模块
碰撞检测方法
碰撞检测算法
机器学习模型
分层
短距离
机器学习模型
预警方法
地理信息数据
实时监测数据
指标