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：西北大学
摘要：本发明公开了一种基于CNN‑Transformer融合模块的不平衡网络入侵检测方法：步骤1，对网络入侵检测异常数据集中的原始数据进行预处理；步骤2，构建基于CNN‑Transformer融合模块的不平衡网络入侵检测模型；步骤3，采用预处理后的数据集，对不平衡网络入侵检测模型进行训练，使用EFocalLoss函数作为损失函数，调整模型参数得到最优网络入侵检测模型。步骤4，将测试数据集进行预处理，然后输入步骤3得到的训练好的模型进行分类评估，得到网络流量的入侵行为类型。本发明的方法通过多层模块化的特征提取结构，全面捕获网络流量的时空特征信息，并引入EFocalLoss函数解决类别不平衡问题，从而提高网络入侵检测的准确性和鲁棒性。
主权项：1.一种基于CNN-Transformer融合模块的不平衡网络入侵检测方法，其特征在于，具体包括如下步骤：步骤1，对网络入侵检测异常数据集中的原始数据进行预处理，并标注入侵行为类型，得到可用于进行机器学习的原始数据集；步骤2，构建基于CNN-Transformer融合模块的不平衡网络入侵检测模型，包括如下子步骤：步骤2.1，使用CNN1D卷积操作在保留入侵数据的序列信息的同时提取特征；步骤2.2，经过步骤2.1后，特征向量通过最大池化操作进行下采样；步骤2.3，使用批归一化对步骤2.2的输出进行归一化处理；步骤2.4，将步骤2.3的输出作为Transformer_encoder层的输入来提取序列的时序上下文特征信息；其中，Transformer_encoder层由多个相同的模块堆叠而成，对于输入特征向量Z0，其经过Transformer_encoder层后的输出Z为： 步骤3，采用步骤1得到的预处理后的数据集，对步骤2构建的基于CNN-Transformer融合模块的不平衡网络入侵检测模型进行训练，使用EFocalLoss函数作为损失函数，同时采用K折交叉验证评估模型性能，调整模型参数得到最优网络入侵检测模型；步骤4，将测试数据集进行预处理，然后输入步骤3得到的训练好的模型进行分类评估，得到网络流量的入侵行为类型。
全文数据：
权利要求：
百度查询： 西北大学 基于CNN-Transformer融合模块的不平衡网络入侵检测方法
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