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：江苏大学
摘要：本发明公开了融合知识蒸馏和时空图神经网络的物联网恶意攻击流量检测方法、设备及存储介质。首先，对输入的原始流量数据集进行预处理，解决样本不平衡问题，并构建流量拓扑图充分表示主机之间的通信连接和交互关系。其次，在教师模型训练中，SAGPool‑STGNN算法使用自注意力图池化机制筛选并保留重要节点，并结合门控循环单元保存流量的历史信息和当前信息。接着，在学生模型训练中，使用基于响应的知识蒸馏技术，让学生模型模仿教师模型，结合KL散度和交叉熵函数计算整体损失，有效学习流量拓扑图的全局信息，提取时空特征。最后，在计算资源受限的物联网设备终端上通过TensorFlowLite部署使用该方法训练好的模型，实现对物联网恶意流量的高效检测。
主权项：1.融合知识蒸馏和时空图神经网络的物联网恶意攻击流量检测方法，包括：S1流量数据预处理：首先对数据集中的原始.csv流量文件进行预处理，包括数据加载、数据分析、特征选择以及数据划分，得到流量的统计信息；S2构建流量拓扑图：对流量之间的关联关系进行拓扑图的构建，最后将图结构的流量数据处理成模型所需要的输入格式；S3对教师模型使用SAGPool-STGNN算法提取空间特征：基于改进的图卷积神经网络，对输入的流量拓扑图全局信息进行特征变化和提取，结合自注意力池化机制，使用SAGPool算法对重要的节点信息进行筛选和保留，避免特征冗余，捕获网络流的空间特征；S4对教师模型使用SAGPool-STGNN算法提取时间特征：结合使用门控循环单元，通过重置门和更新门来动态地调整隐藏状态的更新程度，以保存流量的历史信息和当前信息，捕获流量数据中的时间模式，提取网络流的时间特征；S5学生模型知识蒸馏：使用基于响应的知识蒸馏技术，让学生模型直接模仿教师模型的最终预测logits值，结合KL散度和交叉熵计算整体损失，在简化模型的同时，通过获得教师模型的软标签提升学生模型的检测精度；S6使用学生模型检测：将物联网设备收到的网络流量输入训练好的轻量级学生模型进行实时预测。
全文数据：
权利要求：
百度查询： 江苏大学 融合知识蒸馏和时空图神经网络的物联网恶意攻击流量检测方法、设备及存储介质
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