申请/专利权人：中国科学院信息工程研究所

申请日：2021-10-11

公开（公告）日：2024-06-21

公开（公告）号：CN113887642B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/2415;G06F18/214;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明涉及一种基于开放世界的网络流量分类方法及系统，其方法包括：步骤S1：构建基于孪生神经网络的SHE‑Net模型，以开放世界网络流量作为样本集，获取样本集的低维特征向量，低维特征向量中含有序列特征向量和空间特征向量；同时，构建互补损失函数训练困难样本；其中，SHE‑Net模型包括：字节编码器、包编码器和流编码器；步骤S2：根据低维特征向量，利用基于阈值和支持向量机的检测器，对开放世界网络流量进行分类和预测。本发明提供的方法构建了双分支三级编码器的SHE‑Net模型，增强网络流量识别的鲁棒性和泛化性，并构建互补损失函数，解决了孪生神经网络的对比损失函数的收敛不稳定的问题。

主权项：1.一种基于开放世界的网络流量分类方法，其特征在于，包括：步骤S1：构建基于孪生神经网络的SHE-Net模型，以开放世界网络流量作为样本集，获取所述样本集的低维特征向量，所述低维特征向量中含有序列特征向量和空间特征向量；同时，构建互补损失函数训练困难样本；其中，所述SHE-Net模型包括：字节编码器、包编码器和流编码器，具体包括：步骤S11：在每一个样本的每个数据包最前端插入一个CLSToken，经过所述字节编码器处理，得到所述数据包的原始嵌入表示，其中，所述字节编码器包括：语义嵌入子层和位置嵌入子层，具体包括：步骤S111：所述语义嵌入子层可获取输入的所述样本中每个字节的语义表示，对于字节b∈[0,261]，获取其语义嵌入向量，表示为下述公式1： 1其中，是变换矩阵，将每个字节编码为一个onehot向量，表示字节b经过所述语义嵌入子层得到的d维语义嵌入向量；步骤S112：所述位置嵌入子层可获取输入的所述样本中每个字节的位置关系，对于字节b的d维位置嵌入向量，表示为下述公式2： 2其中，分别是所述样本的偶数和奇数位字节；对于所述样本位置嵌入的每个维度对应于一个正弦曲线，波长以[2π,10000·2π]的形式形成几何级数，对于任何固定偏移量可表示为的线性函数；步骤S113：所述位置嵌入向量与所述语义嵌入向量具有相同的维度d，将二者相加得到每个字节的嵌入表示，从而得到每个数据包的原始嵌入表示；步骤S12：将所述原始嵌入表示经过包编码器处理，得到数据包的序列特征向量；步骤S13：将所述序列特征向量经过流编码器处理，得到数据流的空间特征向量；步骤S14：构建互补损失函数训练困难样本；步骤S2：根据所述低维特征向量，利用基于阈值和支持向量机的检测器，对所述开放世界网络流量进行分类和预测。

全文数据：

权利要求：

百度查询： 中国科学院信息工程研究所 一种基于开放世界的网络流量分类方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD