摘要
本发明公开了一种基于动态自适应特征路由的加密挖矿流量检测方法,属于网络安全技术领域。本发明提出一种加密挖矿流量检测深度学习模型,对输入的待检测网络流量数据依次通过卷积神经网络、双向门控循环单元、动态自适应特征路由层和注意力机制层进行处理,最后通过带有激活函数的全连接层提取特征并经过激活函数处理,计算待检测网络流量数据属于加密挖矿流量的最终概率值并输出。本发明提出的模型能使用动态自适应特征路由层,根据输入网络流量数据的动态特性自适应选择不同处理通路,并自主学习和聚焦于数据中的关键部分和重要特征,能够有效检测和识别加密挖矿流量。
技术关键词
流量检测方法
检测网络流量
加密
深度学习模型
时序特征
子模块
门控循环单元
Softmax函数
动态
注意力机制
网络流量数据
多层感知机
流量检测系统
样本
时间序列特征
全局平均池化
网络安全技术
系统为您推荐了相关专利信息
机器人视觉识别
服务机器人
节点
多模态特征融合
深度学习模型
模态特征
对象
数据采集设备
能力分析方法
多模态