龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：昆明理工大学
摘要：本发明公开的一种针对多分类的深度学习网络入侵检测模型，包括如下步骤：首先使用深度可分离卷积技术去提取网络流量的空间特征，其次使用门控循环单元技术去提取网络流量的时间特征，然后将所提取的空间特征和时间特征进行融合，接着将融合后的特征进行位置编码操作使其转换成适合分类任务的格式，随后采用Self‑Attention技术对编码后的特征进行动态加权，让模型自适应学习比较关键的特征，提高模型的运算速度和减轻运算量，最后经过三次MCG块之后，采用一维卷积技术CNN，全局池化操作，dropout操作，最终通过全连接层进行输出。以上方法提高了多分类网络入侵检测的检出率，准确率以及误报率，解决了现有网络入侵检测模型在多分类上表现不佳的情况。
主权项：1.一种针对多分类的深度学习网络入侵检测模型，其特征在于，包括如下步骤：S1:使用深度可分离卷积DepthwiseSeparableConvolution技术提取网络流量的空间特征；S2:使用门控循环单元GatedRecurrentUnit技术去提取网络流量的时间特征；S3:将S1和S2提取的空间和时间特征进行融合；S4:将融合后的特征进行位置编码操作使其转换成适合分类任务的格式；S5:采用Self-Attention技术对编码后的特征进行动态加权，让模型自适应学习比较关键的特征，完成一次MCG块处理；S6:经过三次MCG块处理后，采用一维卷积技术CNN、全局池化操作以及dropout操作，最终通过全连接层进行输出。
全文数据：
权利要求：
百度查询： 昆明理工大学 一种针对多分类的深度学习网络入侵检测模型
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