摘要
本发明涉及一种基于多维特征并行融合的加密流量检测方法,属于网络安全技术领域。本发明在构建多维特征并行融合框架时,充分考虑了传统统计特征对加密行为动态演化表征的局限性以及图神经网络拓扑建模对计算资源的依赖性,通过马尔可夫链动态量化协议交互状态转移规律与轻量化图注意力分层压缩机制的协同优化,使得检测模型同时兼顾深层特征感知能力与高效推理能力;基于该融合机制实现的分类决策显著提升加密恶意流量的识别鲁棒性与实时防御效能,有效增强网络主动安全防护水平。
技术关键词
加密流量检测方法
机器学习分类器
转移概率矩阵
统计特征
注意力机制
加密恶意流量
状态转换概率
轻量化结构
网络安全技术
节点
模型预测值
机器学习算法
邻居
强分类器
会话
压缩特征
弱分类器
鲁棒性
序列特征
系统为您推荐了相关专利信息
特征生成方法
生成图像特征
文本编码器
图像视觉特征
错位
编码结构
LSTM神经网络
编码规则
引入注意力机制
增强子
特征提取网络
特征抽取方法
文本段落
序列
前馈神经网络
大语言模型
融合特征
交叉注意力机制
高维特征向量
医疗数据处理技术