可编程网络流量分析模型训练方法、装置、设备和介质

AITNT
正文
推荐专利
可编程网络流量分析模型训练方法、装置、设备和介质
申请号:CN202510576701
申请日期:2025-05-06
公开号:CN120378178A
公开日期:2025-07-25
类型:发明专利
摘要
本发明公开了一种可编程网络流量分析模型训练方法、装置、设备和介质,该方法为:确定各网络节点的各网络流量数据集间的相同网络地址,并按照相同网络地址在对应网络流量数据集内确定目标网络流量数据;基于不同网络节点的目标网络流量数据之间的空间相似度和时间相似度确定网络节点的时空相似特征;基于不同网络节点的协议分布向量和网络流量数据集间的瓦瑟斯坦距离确定各网络节点的拓扑方向特征;按照时空相似特征和拓扑方向特征确定对应网络节点的位置特征,基于各网络节点的位置特征以及网络流量数据集对目标模型进行无监督训练,得到可编程网络流量分析模型。本发明通过考虑各网络节点间的位置特征,提高了模型训练方法的训练精度。
技术关键词
网络节点 协议 网络流量数据集 无监督 数据字 顶点 深度学习架构 动态时间规整 模型训练装置 模型训练方法 编码 计算机 字段 注意力 处理器通信 介质 元素 模块
系统为您推荐了相关专利信息
1
一种煤岩组合结构的井-震联合表征方法
属性提取方法 表征方法 地震 地球物理数据 煤岩顶板
2
一种基于多协议的数据采集方法及系统
数据采集方法 多协议 分布式存储系统 数据存储 时间同步
3
基于全局-局部信息融合LPV-Net和3D-EDA的心脏图像半监督分割方法
监督分割方法 心脏 注意力机制 分支 积层
4
基于多模态数据融合的燃气泄漏时空关联预警方法及系统
多模态数据融合 时钟同步协议 管网拓扑结构 密度分布特征 可燃气体传感器
5
基于深度多维数据融合的特定APP及主体识别方法
主体识别方法 数据 关键词 信息传播机制 卷积神经网络提取图像特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号