基于表示学习和小样本增量学习的加密恶意流量检测方法及系统

AITNT
正文
推荐专利
基于表示学习和小样本增量学习的加密恶意流量检测方法及系统
申请号:CN202510620555
申请日期:2025-05-14
公开号:CN120692049A
公开日期:2025-09-23
类型:发明专利
摘要
本发明公开了基于表示学习和小样本增量学习的加密恶意流量检测方法及系统,所述方法包括:获取加密流量数据并进行预处理;基于预处理后的加密流量数据构建初始模型,使用预设的复合函数进行模型训练,保存初始模型参数;将新类别的加密流量数据输入到所述初始模型进行小样本增量学习,学习完成后更新所述初始模型参数,得到最终的恶意流量检测模型;通过所述恶意流量检测模型对待测样本进行恶意流量检测,输出流量类型检测结果。本发明实现了高效率的加密恶意流量检测。
技术关键词
恶意流量检测模型 样本 加密恶意流量 数据 标签 特征值 参数 深度残差网络 更新分类器 随机梯度下降 原型 特征提取器 干扰特征 图像 模块 处理器
系统为您推荐了相关专利信息
1
一种智慧安全用电安全系统平台
漏电传感器 功率传感器 电压传感器 电流传感器 平台
2
钢模板剩余寿命的预测方法和装置
钢模板 剩余寿命预测模型 融合特征 数据处理单元 图像
3
基于PLC的伺服电机示教控制系统
机器人运动控制 终端设备 服务终端 安全监控模块 组认证方法
4
线程调度方法、电子设备、存储介质及程序产品
线程调度方法 缓存命中率 时间段 错误率 能效
5
一种基于政府数据融合的投标企业合规判定方法及系统
统一社会信用代码 公民身份号码 关系型数据库 信息项 判定方法
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