基本信息:
- 专利标题： 一种基于少量标注数据的网络流量异常检测方法
- 申请号：CN202010344517.8 申请日：2020-04-27
- 公开(公告)号：CN111585997B 公开(公告)日：2022-01-14
- 发明人： 李文龙 , 张家琦 , 邢燕祯 , 刘中金 , 何跃鹰 , 高杨 , 王新根 , 鲁萍 , 黄滔
- 申请人： 国家计算机网络与信息安全管理中心 , 浙江邦盛科技有限公司
- 申请人地址： 北京市朝阳区裕民路甲3号;
- 专利权人： 国家计算机网络与信息安全管理中心,浙江邦盛科技有限公司
- 当前专利权人： 国家计算机网络与信息安全管理中心,浙江邦盛科技股份有限公司
- 当前专利权人地址： 北京市朝阳区裕民路甲3号;
- 代理机构： 杭州求是专利事务所有限公司
- 代理人： 刘静
- 主分类号： H04L9/40
- IPC分类号： H04L9/40 ; G06K9/62 ; G06N3/04 ; G06N3/08
摘要：
本发明公开了一种基于少量标注数据的网络流量异常检测方法，采用双自编码器对特征向量进行降维处理，然后使用深度神经网络进行有监督的训练；将网络流量分成正样本和负样本的两类，最后筛选出无标注数据中部分重要样本，交由专家进行标注，增加有标记样本数量，迭代更新自编码器和分类器，之后用训练好的分类器进行网络流量异常检测。本发明提出双自编码器架构，使用纯净的正负样本分别训练自编码器，提升了分类器的稳定性。同时改进深度神经网络的损失函数，更细粒度地调整样本权重，解决正负样本不平衡，缓解训练集较小导致的过拟合问题，并提出一种新的计算无标注数据的标记价值的方法，选择标记价值高的样本交由专家，减少了标注成本。
公开/授权文献:
- CN111585997A 一种基于少量标注数据的网络流量异常检测方法 公开/授权日：2020-08-25