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：深圳市广联计算有限公司

摘要：一种基于数据推导及端口预测的网络连接方法，其获取目标主机的网络流量数据，其中，所述网络流量数据包括源地址、目标地址和协议类型；采用基于深度学习的人工智能技术，对目标主机网络流量数据进行分析和挖掘，快速确定目标主机可能开放的端口范围，并尝试与其建立连接，以快速确定目标主机可能开放的端口范围，从而减少了尝试连接的时间和资源消耗，提高了网络连接的效率。

主权项：1.一种基于数据推导及端口预测的网络连接方法，其特征在于，包括：获取目标主机的网络流量数据，其中，所述网络流量数据包括源地址、目标地址和协议类型；对所述网络流量数据进行预处理以得到预处理后网络流量数据；基于所述预处理后网络流量数据，统计所述目标主机的各个端口的使用信息；对所述目标主机的各个端口的使用信息进行分词处理后通过包含词嵌入层的上下文编码器以得到多个端口信息语义理解特征向量；将所述多个端口信息语义理解特征向量排列为二维特征矩阵后通过作为特征提取器的卷积神经网络模型以得到端口信息语义关联特征矩阵；以所述各个端口信息语义理解特征向量作为查询特征向量，计算其与所述端口信息语义关联特征矩阵之间的乘积以得到多个分类特征向量；将所述多个分类特征向量分别通过分类器以得到多个概率值；以及推荐所述多个概率值中最大概率值对应的所述目标主机的端口；其中，将所述多个分类特征向量分别通过分类器以得到多个概率值，包括：使用所述分类器的多个全连接层对所述多个分类特征向量进行全连接编码以得到多个编码分类特征向量；以及将所述多个编码分类特征向量通过所述分类器的Softmax分类函数以得到所述多个概率值；其中，基于数据推导及端口预测的网络连接方法，还包括训练步骤：对所述包含词嵌入层的上下文编码器、所述作为特征提取器的卷积神经网络模型和所述分类器进行训练；其中，所述训练步骤，包括：获取目标主机的训练数据，所述训练数据包括源地址、目标地址和协议类型；对所述训练数据进行预处理以得到预处理后训练网络流量数据；基于所述预处理后训练网络流量数据，统计所述目标主机的各个端口的训练使用信息；对所述目标主机的各个端口的训练使用信息进行分词处理后通过包含词嵌入层的上下文编码器以得到多个训练端口信息语义理解特征向量；将所述多个训练端口信息语义理解特征向量排列为训练二维特征矩阵后通过作为特征提取器的卷积神经网络模型以得到训练端口信息语义关联特征矩阵；以所述各个训练端口信息语义理解特征向量作为查询特征向量，计算其与所述训练端口信息语义关联特征矩阵之间的乘积以得到多个训练分类特征向量；对所述多个训练分类特征向量进行耿贝尔正态周期性重参数化以得到多个优化后训练分类特征向量；将所述多个优化后训练分类特征向量通过分类器以得到多个分类损失函数值；以及基于所述多个分类损失函数值并通过梯度下降的方向传播来对所述包含词嵌入层的上下文编码器、所述作为特征提取器的卷积神经网络模型和所述分类器进行训练；其中，对所述多个训练分类特征向量进行耿贝尔正态周期性重参数化以得到多个优化后训练分类特征向量，包括：以如下优化公式对所述多个训练分类特征向量进行耿贝尔正态周期性重参数化以得到多个优化后训练分类特征向量；其中，所述优化公式为： 其中，表示所述多个训练分类特征向量的各个位置的特征值，和分别是所述多个训练分类特征向量的各个位置的特征值集合的均值和方差，表示以2为底的对数函数，表示反正弦函数，表示反余弦函数，表示多个优化后训练分类特征向量的各个位置的特征值。

全文数据：

权利要求：

百度查询： 深圳市广联计算有限公司 基于数据推导及端口预测的网络连接方法