摘要
本发明公开了一种基于知识追踪模型的网络流量入侵检测方法,属于网络流量入侵检测技术领域,能够有效捕捉流量数据中的时序特征以及其潜在的长期发展模式,提升网络流量数据预测及入侵检测性能;包括以下步骤获取网络流量序列和真实标签序列;将获取的网络流量序列和真实标签序列输入至预先训练好的基于知识追踪的入侵检测模型检测网络流量入侵行为;基于知识追踪的入侵检测模型包括数据输入层、知识状态提取层和预测层;数据输入层用于处理网络流量序列和真实标签序列,生成网络流量的嵌入表示和联合嵌入表示;知识状态提取层用于基于网络流量的嵌入表示和联合嵌入表示,提取知识状态;预测层用于基于知识状态和网络流量的嵌入表示,输出网络流量入侵行为的预测结果。
技术关键词
入侵检测方法
入侵检测模型
时间卷积网络
注意力
检测网络流量
序列
前馈神经网络
空洞
入侵检测技术
焦点损失函数
编码器
网络流量数据
掩码矩阵
生成标签
时序特征
线性
元素
系统为您推荐了相关专利信息
药物关联预测方法
随机森林模型
注意力
矩阵分解方法
因子
识别预测方法
长短期记忆网络
图像分割
秀珍菇
DBSCAN聚类算法
金属表面缺陷
原始图像数据
边缘检测算法
原型
少量标注数据
辨识预警方法
疲劳特征
LSTM模型
场景
注意力机制