基本信息:
- 专利标题： 一种集成GBDT与神经网络的网络异常检测方法
- 申请号：CN202111231657.5 申请日：2021-10-22
- 公开(公告)号：CN114169390A 公开(公告)日：2022-03-11
- 发明人： 周舟 , 李仁杰 , 刘庆云 , 杨嵘 , 杨威 , 李舒
- 申请人： 中国科学院信息工程研究所
- 申请人地址： 北京市海淀区闵庄路甲89号
- 专利权人： 中国科学院信息工程研究所
- 当前专利权人： 中国科学院信息工程研究所
- 当前专利权人地址： 北京市海淀区闵庄路甲89号
- 代理机构： 北京君尚知识产权代理有限公司
- 代理人： 李文涛
- 主分类号： G06K9/62
- IPC分类号： G06K9/62 ; G06N20/20 ; G06N5/00 ; G06N3/04 ; G06N3/08 ; H04L9/40
摘要：
本发明公开一种集成GBDT与神经网络的网络异常检测方法，属于网络信息安全和机器学习的交叉技术领域。为了克服网络异常检测任务中传统机器学习算法和深度学习算法在处理表格数据上的不足，本发明选用专为表格数据设计的TabTransformer结构，同时为了应对网络异常检测中的类别不平衡问题，本发明采取了代价敏感的思想，引入了专门针对不平衡问题设计的Focal Loss损失函数，采取自适应学习策略，从参数搜索空间中自动选取Focal Loss的最佳参数。本发明既适用于二分类问题又适用于多分类问题。
公开/授权文献:
- CN114169390B 一种集成GBDT与神经网络的网络异常检测方法 公开/授权日：2024-11-05
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06K | 数据识别；数据表示；记录载体；记录载体的处理 |
| ------G06K9/00 | 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置 |
| --------G06K9/62 | .应用电子设备进行识别的方法或装置 |