基于少样本学习的电网入侵检测方法及装置

AITNT
正文
推荐专利
基于少样本学习的电网入侵检测方法及装置
申请号:CN202510936386
申请日期:2025-07-08
公开号:CN120768598A
公开日期:2025-10-10
类型:发明专利
摘要
本发明公开了一种基于少样本学习的电网入侵检测方法,包括步骤:基于少样品学习训练方法构建深度学习模型;获取网络节点的流量数据;对获取到的网络节点的流量数据进行预处理;将预处理之后的网络节点的流量数据输入到构建的深度学习模型进行预警分析,以判断获取到的网路节点的流量数据是否包括攻击行为,若是,则发送攻击事件预警信息。主要技术方案和效果:提升对新型攻击的检测能力,采用少样本学习方法构建深度学习模型,可在样本极少的情况下快速识别新型、变种、以及高级持续性攻击。
技术关键词
网络节点 学习训练方法 高级持续性攻击 入侵检测方法 数据 告警方式 训练深度学习模型 样本学习方法 入侵检测装置 检测敏感度 HTTP请求 汇聚交换机 生成对抗网络 核心交换机 网路 告警规则 生成事件 协议
系统为您推荐了相关专利信息
1
基于可解释集成机器学习的料场开挖进度预测及管控方法
料场 集成机器学习 管控方法 三维模型 开挖工艺
2
一种基于AK协议自适应车轮速度解码方法和系统
解码方法 车轮 协议 速度 解码控制
3
一种基于少样本学习的内部威胁行为检测方法
TS模型 样本 时序 剔除噪声 时间序列特征
4
一种肉肠品质评估模型及其构建方法
评估模型构建方法 网格 柔性 载体 肠衣
5
一种基于深度学习的混凝土强度预测方法
界面过渡区 微观结构参数 加权融合算法 粗骨料 混凝土强度预测
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