摘要
本发明的一种轻量级加密恶意流量检测的方法及装置,属于网络信息安全技术领域,方法包括步骤:通过网络设备镜像或数据包捕获工具获取原始网络流量;从所述原始网络流量中提取数值统计特征、协议相关特征和行为模式特征,形成高维特征向量集合;利用输入层、隐藏层、输出层的三层结构浅层自动编码器对高维特征向量降维处理,得到低维特征向量;集成DBSCAN、K‑means和孤立森林三种无监督学习算法,对低维特征向量进行投票检测,当至少两种算法判定为异常时输出恶意流量结果。本发明提高了异常检测的准确性和鲁棒性,实现了对加密恶意流量的有效、高效检测。
技术关键词
加密恶意流量
高维特征向量
DBSCAN算法
无监督学习算法
孤立森林算法
统计特征
自动编码器
高维向量空间
协议
样本
网络设备
数值
网络信息安全技术
序列
重建误差
嵌入方法
密钥协商算法
邻域
模式
系统为您推荐了相关专利信息
人体姿态识别方法
载波
DBSCAN算法
表达式
离散小波变换
斗轮机
高维特征向量
安全监控方法
节点
部件间相互作用
智能传感器
带电作业
风险预警方法
温度校正
偏差
瓦斯抽放孔
坐标点
克里金插值算法
判定参数
孤立森林算法