| 题名 | 一种网络流异常检测模型的生成方法和计算机设备 |
| 发明人 | |
| 第一发明人 | 吕麒
|
| 申请人 | 鹏城实验室
; 南方科技大学
|
| 第一申请人 | 鹏城实验室
|
| 第一申请人地址 | 518000 广东省深圳市南山区西丽街道留仙洞万科云城一期8栋
|
| 当前申请人 | 鹏城实验室
; 南方科技大学
|
| 当前申请人地址 | 518000 广东省深圳市南山区西丽街道留仙洞万科云城一期8栋 (广东,深圳,南山区)
|
| 当前第一申请人 | 鹏城实验室
|
| 当前第一申请人地址 | 518000 广东省深圳市南山区西丽街道留仙洞万科云城一期8栋 (广东,深圳,南山区)
|
| 申请号 | CN202010823315.1
|
| 申请日期 | 2020-08-17
|
| 公开(公告)号 | CN111683108B
|
| 公开日期 | 2020-11-17
|
| 授权日期 | 2020-11-17
|
| 专利状态 | 授权
|
| 法律状态日期 | 2020-11-17
|
| 专利类型 | 授权发明
|
| 学校署名 | 其他
|
| 摘要 | 本发明提供了一种网络流异常检测模型的生成方法和计算机设备，网络流异常检测模型的生成方法，包括：基于源域对第一网络模型进行训练，以得到已训练的第一网络模型，其中，已训练的第一网络模型包括源域特征提取器和分类器；基于目标域、源域、源域特征提取器和判别器对进行训练，以得到目标域特征提取器；根据目标域特征提取器和分类器生成网络流异常检测模型。本发明中，通过训练使得目标域特征提取器在目标域上提取到的特征，与源域特征提取器在源域上提取的特征相似，进而，本发明中的网络流异常检测模型中基于源域训练得到的分类器，可以对目标域进行异常检测，且准确性高。 |
| 其他摘要 | 本发明提供了一种网络流异常检测模型的生成方法和计算机设备，网络流异常检测模型的生成方法，包括：基于源域对第一网络模型进行训练，以得到已训练的第一网络模型，其中，已训练的第一网络模型包括源域特征提取器和分类器；基于目标域、源域、源域特征提取器和判别器对进行训练，以得到目标域特征提取器；根据目标域特征提取器和分类器生成网络流异常检测模型。本发明中，通过训练使得目标域特征提取器在目标域上提取到的特征，与源域特征提取器在源域上提取的特征相似，进而，本发明中的网络流异常检测模型中基于源域训练得到的分类器，可以对目标域进行异常检测，且准确性高。 |
| CPC分类号 | H04L63/1425
|
| IPC 分类号 | H04L29/06
|
| INPADOC 法律状态 | （+PATENT GRANT）[2020-11-17][CN]
|
| INPADOC 同族专利数量 | 2
|
| 扩展同族专利数量 | 2
|
| 专利代理人 | 刘文求
|
| 代理机构 | 深圳市君胜知识产权代理事务所(普通合伙)
|
| 相关链接 | [来源记录] |
| 来源库 | PatSnap
|
| 成果类型 | 专利 |
| 条目标识符 | http://sustech.caswiz.com/handle/2SGJ60CL/336485 |
| 专题 | 未来网络研究院 |
| 推荐引用方式 GB/T 7714 |
吕麒,李伟超,汪漪,等. 一种网络流异常检测模型的生成方法和计算机设备[P]. 2020-11-17.
|
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 原文链接 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 导出为Excel格式 |
| 导出为Csv格式 |
| Altmetrics Score |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [吕麒]的文章 |
| [李伟超]的文章 |
| [汪漪]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [吕麒]的文章 |
| [李伟超]的文章 |
| [汪漪]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [吕麒]的文章 |
| [李伟超]的文章 |
| [汪漪]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论