• / 16

基于深度迁移学习的小样本DDoS攻击检测方法

关 键  词:
基于 深度 迁移 学习 小样 DDoS 攻击 检测 方法
资源描述:

《基于深度迁移学习的小样本DDoS攻击检测方法》由会员分享,可在线阅读,更多相关《基于深度迁移学习的小样本DDoS攻击检测方法(16页珍藏版)》请在我爱发明网上搜索。

1、DDoS攻击检测方法, 其特征在于: 所述迁移实验的具体操作为: 将 所 述 网 络 Nm a x前练结束后的召回率; E代表最后一次epoch训练。 4.根据权利要求3所述的基于深度迁移学习的小样本所得性能值所赋的权重值; Prj表示j次epoch训练结束 后的准确率, Rej表示j次epoch训i迁移到目标域中的可迁移性能值; F1j表示j次epoch训 练后所得F1性能值, wj表示每次训练 基础神经网络Ni, i1, m, m2在目标域的可迁移性能值计算公式如下: 其中表示基础神经网络N检测的召回率。 3.根据权利要求2所述的基于深度迁移学习的小样本DDoS攻击检测方法, 其特征在于:。

2、示性能阈值; Pr表示基础神经网络Ni在目标任务检测的准确率; Re表示基础 神经网络Ni在目标任务为是否达到相关的性能阈值, 所述性能阈值设置为 95; 所述性能阈值的计算公式如下: 其中, F1表述的基于深度迁移学习的小样本DDoS攻击检测方法, 其特征在于: 所述基础神经网络性能达标的评判标准T; 利用所述迁移网络NT进行新的小样本DDoS攻击检测, 得到检测的性能值。 2.根据权利要求1所; 利用fine-tuning技术对所述迁移网络NT进行参数微调; 在所述目标域上训练所述迁移网络N性能值, 选择所述可迁移性能值最大的网络Nmax, 并在所述目标域进 行迁移实验, 得到迁移网络NT。

3、迁移性对比实验,随后计算各个基础 神经网络Ni, i1, m, m2的可迁移性能值; 对比所述可迁移形成神经网络簇 选取小样本DDoS攻击的样本数据空间作为目标域 将所述神经网络簇在所述目标域中进行可骤: 选择标注样本充足的DDoS攻击的网络报文作为源域在所述源域上训练m个性能 达标的基础神经网络以111988340 A 1.基于深度迁移学习的小样本DDoS攻击检测方法, 其特征在于: 包含如下步。 权利要求书2页 说明书9页 附图4页 CN 111988340 A 2020.11.24 CN 的利用源域知识来对新型 小样本攻击进行检测, 改善新型DDoS攻击检测标 注样本少导致的性能恶化问题。

4、络参数迁移到小样本 DDoS攻击检测上, 并结合finetuning技术进行 微调, 使迁移网络更好域上进行新的小样本DDoS 攻检测。 本发明利用深度迁移学习, 将标注样本 充足的DDoS攻击检测网行迁移, 得到迁移网 络NT; 利用finetuning技术进行参数微调; 利用 迁移网络NT在目标在目标域进行可迁移性对比实 验; 计算可迁移性能值, 选择可迁移性能值最大 的网络Nmax在目标域进据空间作为源域 在源域训练好神经网络簇选取小样本 DDoS攻击的样本数据空间作为目标域将神 经网络簇于深度迁移学习的小样 本DDoS攻击检测方法。 包括步骤: 选择标注样本 充足的DDoS攻击的样本数) (54)发明名称 基于深度迁移学习的小样本DDoS攻击检测 方法 (57)摘要 本发明提供一种基 (51)Int.Cl. H04L 29/06(2006.01) G06N 3/08(2006.01会梅何佳伟刘建鲜明 (74)专利代理机构 上海上谷知识产权代理有限 公司 31342 代理人 陈婷婷国人民解放军国防科技大学 地址 410000 湖南省长沙市开福区德雅路 109号 (72)发明人 王21)申请号 202010943146.5 (22)申请日 2020.09.09 (71)申请人 中19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日。

展开阅读全文
  我爱发明网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:基于深度迁移学习的小样本DDoS攻击检测方法
链接地址:https://www.woaifaming.net/doc/7131.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 我爱发明网版权所有

经营许可证编号:粤ICP备20005300号-1



收起
展开