龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：江苏大学;江苏省未来网络创新研究院
申请日：2022-03-08
公开（公告）日：2024-05-28
公开（公告）号：CN114598527B
主分类号：H04L9/40
分类号：H04L9/40
优先权：
专利状态码：有效-授权
法律状态：2024.05.28#授权;2022.06.24#实质审查的生效;2022.06.07#公开
摘要：本发明提供了一种基于最大频繁模式非相似性的异常网络流量检测方法。包括：步骤1，利用模式增长法挖掘网络流量中的最大频繁模式，有效发现网络流量中属性的关联关系；步骤2，利用挖掘得到的具有强关联关系的网络流量的属性，构建基于最大频繁模式的非相似性指数，用于衡量各条网络流量的异常程度；步骤3，根据步骤2所构建的最大频繁模式的非相似性指数，计算每条网络流量的异常程度；步骤4，将网络流量按照异常度的降序顺序排列，得到异常网络流量检测报告。
主权项：1.一种基于最大频繁模式非相似性的异常网络流量检测方法，其特征在于，包括如下步骤：步骤1，利用模式增长法挖掘网络流量中的最大频繁模式，有效发现网络流量中属性的关联关系；步骤2，利用挖掘得到的具有强关联关系的网络流量的属性，构建基于最大频繁模式的非相似性指数，用于衡量各条网络流量的异常程度；步骤3，根据步骤2所构建的最大频繁模式的非相似性指数，计算每条网络流量的异常程度；步骤4，将网络流量按照异常度的降序顺序排列，得到异常网络流量检测报告；所述步骤2的具体实现包括如下步骤：步骤3.1，统计网络流量属性的个数NTi，其中Ti表示第i条网络流量、网络流量中挖掘得到的最大频繁模式的长度lenIj，其中Ij表示最大频繁模式，以及最大频繁模式与网络流量的非相似部分的长度lenTi-Ti∩Ij，其中Ti-Ti∩Ij表示最大频繁模式与网络流量的非相似部分；步骤3.2，基于步骤3.1统计得到的内容，构建基于最大频繁模式的非相似性指数，用于衡量各条网络流量的异常程度，其中构建的基于最大频繁模式的非相似性指数如下：
全文数据：
权利要求：
百度查询： 江苏大学;江苏省未来网络创新研究院 一种基于最大频繁模式非相似性的异常网络流量检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号