摘要
本发明公开了基于图模型的跨域恶意流量检测方法,具体包括以下步骤:S1、数据采集:从多个不同网络域采集网络流量数据,所述网络流量数据包括源IP地址、目的IP地址、端口号、协议类型、流量大小以及时间戳信息。S2、数据预处理:对采集到的网络流量数据进行清洗,去除无效数据和重复数据,并对数据进行标准化处理。本发明涉及网络安全技术领域,该基于图模型的跨域恶意流量检测方法,通过采用分布式采集架构,能够从多个不同网络域采集网络流量数据,并通过构建基于图模型的检测方法,综合考虑了跨域网络流量的多种特征和连接关系,有效解决了跨域恶意流量难以检测的问题,提高了对复杂跨域网络攻击的检测能力。
技术关键词
恶意流量检测方法
网络流量数据
有向图模型
大规模网络流量
网络协议规范
检测网络流量
检测模型训练
交叉验证方法
网络安全技术
去重算法
决策树模型
支持向量机
有效性
分布特征
网络节点
系统为您推荐了相关专利信息
网络异常流量检测
卷积神经网络模块
注意力
门控循环单元
网络流量数据集
验证管理系统
监测网络流量
网络流量数据
信息安全风险
频率
网络安全威胁
智能检测系统
参数
网络流量数据
云平台
业务流量识别方法
流量识别模型
样本类别标签
业务流量数据
GRU模型
管理控制系统
支持高分辨率
人工智能辅助
远程控制系统
节点