[發明專利]一種神經網絡增量學習方法及裝置

在審

• 申請號: 201911014149.4
• 申請日: 2019-10-23
• 公開（公告）號: CN110782014A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 王明輝;張洋;張鴻源
• 申請（專利權）人: 新華三信息安全技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;H04L12/933
• 代理公司: 11415 北京博思佳知識產權代理有限公司
• 代理人: 楊春香

1.一種神經網絡增量學習方法，應用于智能交換機，其特征在于，所述方法包括：

接收待處理報文；

對所述待處理報文進行數據流特征提取，并基于所提取的數據流特征，利用預測神經網絡確定對應的應用分類；以及，

保存部分待處理報文，并基于所述部分待處理報文，利用入侵防御系統IPS軟件，識別所述部分待處理報文對應的應用分類；基于所述部分待處理報文對應的應用分類，以及所述部分待處理報文的數據流特征，生成訓練樣本；

利用所述訓練樣本，對所述預測神經網絡進行訓練，以確定新的模型參數；

當確定滿足預設條件時，觸發所述預測神經網絡加載所述新的模型參數。

2.根據權利要求1所述的方法，其特征在于，所述保存部分待處理報文，包括：

定期保存部分連續的待處理報文到Pcap文件；

所述基于所述部分待處理報文，利用IPS軟件，識別所述部分待處理報文對應的應用分類，包括：

通過TCPplay軟件，按照預設回放速率，將所述Pcap文件中保存的待處理報文輸出給所述IPS軟件，以使所述IPS軟件基于深度報文檢測方式，結合報文特征庫對所保存的待處理報文進行解析處理，識別出對應的應用分類。

3.根據權利要求1或2所述的方法，其特征在于，所述智能交換機以虛擬機的方式安裝所述IPS軟件。

4.根據權利要求1或2所述的方法，其特征在于，所述滿足預設條件包括當前時間達到預設模型參數更新時間。

5.根據權利要求1或2所述的方法，其特征在于，所述滿足預設條件包括新的模型參數與當前使用的模型參數之間的差異滿足預設條件。

6.一種神經網絡增量學習裝置，應用于智能交換機，其特征在于，所述裝置包括：

接收單元，用于接收待處理報文；

提取單元，用于對所述待處理報文進行數據流特征提取；

第一確定單元，用于基于所提取的數據流特征，利用預測神經網絡確定對應的應用分類；

保存單元，用于保存部分待處理報文；

第二確定單元，用于基于所述部分待處理報文，利用入侵防御系統IPS軟件，識別所述部分待處理報文對應的應用分類；

生成單元，用于基于所述部分待處理報文對應的應用分類，以及所述部分待處理報文的數據流特征，生成訓練樣本；

訓練單元，用于利用所述訓練樣本，對所述預測神經網絡進行訓練，以確定新的模型參數；

更新單元，用于當確定滿足預設條件時，觸發所述預測神經網絡加載所述新的模型參數。

7.根據權利要求6所述的裝置，其特征在于，

所述保存單元，具體用于定期保存部分連續的待處理報文到Pcap文件；

所述第二確定單元，具體用于通過TCPplay軟件，按照預設回放速率，將所述Pcap文件中保存的待處理報文輸出給所述IPS軟件，以使所述IPS軟件基于深度報文檢測方式，結合報文特征庫對所保存的待處理報文進行解析處理，識別出對應的應用分類。

8.根據權利要求6或7所述的裝置，其特征在于，所述智能交換機以虛擬機的方式安裝所述IPS軟件。

9.根據權利要求6或7所述的裝置，其特征在于，所述滿足預設條件包括當前時間達到預設模型參數更新時間。

10.根據權利要求6或7所述的裝置，其特征在于，所述滿足預設條件包括新的模型參數與當前使用的模型參數之間的差異滿足預設條件。