[發明專利]非對稱卷積網絡的流量檢測模型的訓練方法及檢測方法

有效

• 申請號: 201911265846.7
• 申請日: 2019-12-11
• 公開（公告）號: CN111092873B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 紀書鑒;葉可江;趙世林;須成忠
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L1/00;G06N3/04;G06K9/62
• 代理公司: 深圳市銘粵知識產權代理有限公司 44304
• 代理人: 孫偉峰

1.一種非對稱卷積網絡的流量檢測模型的訓練方法，其特征在于，所述非對稱卷積網絡的流量檢測模型包括非對稱卷積自編碼網絡和分類網絡，所述訓練方法包括：

構建對稱卷積自編碼網絡，所述對稱卷積自編碼網絡包括編碼網絡和解碼網絡；

利用訓練樣本對所述對稱卷積自編碼網絡進行訓練，包括：對原始網絡流量數據進行預處理，獲得一維格式的訓練樣本；對一維的訓練樣本進行轉換處理，獲得二維格式的訓練樣本；利用二維格式的訓練樣本對所述對稱卷積自編碼網絡進行訓練；

將訓練完成的所述對稱卷積自編碼網絡中的解碼網絡去除，得到非對稱卷積自編碼網絡；

利用所述非對稱卷積自編碼網絡提取訓練樣本的抽象特征，并利用抽象特征訓練分類網絡，以完成非對稱卷積網絡的流量檢測模型的訓練；

所屬分類網絡為隨機森林網絡，隨機森林網絡包括若干決策樹，利用抽象特征訓練分類網絡的具體方法包括：

從抽象特征隨機選取若干數據特征組成子訓練集；

利用子訓練集訓練隨機森林網絡的各個決策樹。

2.根據權利要求1所述的非對稱卷積網絡的流量檢測模型的訓練方法，其特征在于，所述編碼網絡包括依序連接的第一卷積層、第一池化層、第二卷積層、第二池化層、上采樣層、第三卷積層和第三池化層。

3.根據權利要求2所述的非對稱卷積網絡的流量檢測模型的訓練方法，其特征在于，所述解碼網絡包括依序連接的第三池化層、第三卷積層、上采樣層、第二池化層、第二卷積層、第一池化層和第一卷積層。

4.一種非對稱卷積網絡的流量檢測模型的檢測方法，其特征在于，所述檢測方法包括：

將原始網絡流量數據輸入到由權利要求1至3任一項所述的訓練方法訓練得到的非對稱卷積網絡的流量檢測模型中；

所述非對稱卷積網絡的流量檢測模型輸出原始網絡流量數據的類型；

根據原始網絡流量數據的類型判斷網絡流量 是否異常。

5.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有非對稱卷積網絡的流量檢測模型的訓練程序，所述非對稱卷積網絡的流量檢測模型的訓練程序被處理器執行時實現如權利要求1至3任一項所述的非對稱卷積網絡的流量檢測模型的訓練方法。

6.一種計算機設備，其特征在于，所述計算機設備包括計算機可讀存儲介質、處理器和存儲在所述計算機可讀存儲介質中的非對稱卷積網絡的流量檢測模型的檢測程序，所述非對稱卷積網絡的流量檢測模型的檢測程序被處理器執行時實現如權利要求1至3任一項所述的非對稱卷積網絡的流量檢測模型的訓練方法。