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！
摘要：本发明公开了一种基于解释性分析与经验知识优化的多层级网络入侵检测方法、系统及介质，本发明基于解释性分析与经验知识优化的多层级网络入侵检测方法通过一种多层次、结构化的入侵检测框架实现对网络流量中时序依赖性与固有特征的全面感知和非线性映射处理，并结合SHapley加法解释（SHAP）方法与经验知识形成迭代反馈纠错机制优化框架的决策范式，能提升模型的表达能力和泛化性及稳定性，强化入侵检测模型的检测效果。
主权项：1.一种基于解释性分析与经验知识优化的多层级网络入侵检测方法，其特征在于，所述方法包括以下步骤：步骤S101，在多层级网络入侵检测框架的第一层部署GRU模块，将原始网络流量数据映射到第一层高维隐藏空间；步骤S102，在第一层高维隐藏空间边缘部署KAN网络，通过KAN网络的非线性映射，从隐藏空间中丰富的时序依赖关系中提取和挖掘出更有价值的知识，生成第一层的初步决策范式，实现复杂非线性映射得到输出；步骤S103，在第二层部署BiLSTM模块，将原始网络流量数据映射到第二层高维隐藏空间；步骤S104，在第二层高维隐藏空间部署KAN网络，以对BiLSTM模块提取出的双向时序特征进行复杂的非线性映射，从第二层高维隐藏空间中丰富的时序依赖关系中提取和挖掘出更有价值的知识，通过非线性映射后，生成第二层的初步决策范式，实现复杂非线性映射得到输出；步骤S105，在第三层直接单独部署KAN网络，挖掘原始网络流量固有特征得到输出；步骤S106，将第三层的输出进行扁平化处理，并采用全连接层神经网络融合，生成最终的决策范式进行输出；步骤S107，用训练集对入侵检测框架进行训练，使用验证集对训练效果进行验证；步骤S108，采用SHAP解释性分析方法对模型的决策过程进行解释分析；步骤S109，结合经验知识识别模型决策过程中的错误决策范式；步骤S110，对错误决策范式对应的首个特征进行删除操作来修正错误范式并重新执行步骤S107形成迭代反馈纠错机制；步骤S111，将优化后的入侵检测框架部署到实际的应用场景下进行实时入侵检测。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于解释性分析与经验知识优化的多层级网络入侵检测方法、系统及介质
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