-
公开(公告)号：CN119135400B
公开(公告)日：2025-04-18
申请号：CN202411218577.X
申请日：2024-09-02
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , H04L41/147 , H04L41/16
Abstract: 本发明涉及一种基于邻接矩阵重构跳跃损失的图网络恶意流量检测方法，包括：获取待测网页节点源数据；将待测网页节点源数据输入基于重构跳跃损失函数的节点类别分类模型，获取待测网页节点流量预测类别；对比待测网页节点流量预测类别与实际类别，若待测网页节点流量预测类别与实际类别之间差距大于预设阈值，则判定网站被恶意流量访问，输出被判定为恶意流量访问的网页节点。本发明将网页数据以图数据的形式进行存储和预测，通过邻接矩阵的重构以及使用正负样本节点对的不同阶段的相似性对比，构建重组跳跃损失函数训练网页节点分类模型进行流量预测，通过对比预测流量与实际流量，更准确地识别被恶意流量访问的网页。
-
公开(公告)号：CN118041683A
公开(公告)日：2024-05-14
申请号：CN202410359068.2
申请日：2024-03-27
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于结构嵌入双向重构图网络的恶意流量检测方法，属于网络安全领域。包括以下步骤：获取网页数据集；构建网页节点图网络；构建网页节点局部结构嵌入机制模型；构建双向图重构模型；构建自适应网页节点分类模型；结合网页源数据和网页正常流量数据集对自适应网页节点分类模型进行训练，得到已训练自适应网页节点分类模型；将待测网页节点源数据输入模型，基于网页节点流量预测模型，获取待测网页节点流量预测数据；对比待测网页节点流量实际数据及待测网页节点流量预测数据，最终输出被判定为恶意流量访问的网页节点；本发明通过结合图网络方法，提出了一种恶意流量检测模型，实现网页访问中恶意流量准确、高效检测。
-
Patent Agency Ranking
公开(公告)号：CN118827233B
公开(公告)日：2025-01-21
申请号：CN202411111380.6
申请日：2024-08-14
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , H04L41/12 , H04L41/16 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于同质节点异质频谱融合图网络的恶意流量检测方法，涉及网络安全技术领域，包括：获取网页数据集，构建恶意流量检测模型，将所述网页数据集输入训练好的恶意流量检测模型，获得恶意流量访问的网页节点。本发明通过结合图网络，从而将复杂的网页恶意流量检测问题映射为图卷积神经网络中节点分类问题，捕捉到网页中节点之间的复杂关系，从而能够在网页节点拓扑图结构发生变化时也可进行动态更新，实现提高恶意流量预测的准确率。
-
公开(公告)号：CN118827233A
公开(公告)日：2024-10-22
申请号：CN202411111380.6
申请日：2024-08-14
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , H04L41/12 , H04L41/16 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于同质节点异质频谱融合图网络的恶意流量检测方法，涉及网络安全技术领域，包括：获取网页数据集，构建恶意流量检测模型，将所述网页数据集输入训练好的恶意流量检测模型，获得恶意流量访问的网页节点。本发明通过结合图网络，从而将复杂的网页恶意流量检测问题映射为图卷积神经网络中节点分类问题，捕捉到网页中节点之间的复杂关系，从而能够在网页节点拓扑图结构发生变化时也可进行动态更新，实现提高恶意流量预测的准确率。
-
公开(公告)号：CN118041683B
公开(公告)日：2024-08-09
申请号：CN202410359068.2
申请日：2024-03-27
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于结构嵌入双向重构图网络的恶意流量检测方法，属于网络安全领域。包括以下步骤：获取网页数据集；构建网页节点图网络；构建网页节点局部结构嵌入机制模型；构建双向图重构模型；构建自适应网页节点分类模型；结合网页源数据和网页正常流量数据集对自适应网页节点分类模型进行训练，得到已训练自适应网页节点分类模型；将待测网页节点源数据输入模型，基于网页节点流量预测模型，获取待测网页节点流量预测数据；对比待测网页节点流量实际数据及待测网页节点流量预测数据，最终输出被判定为恶意流量访问的网页节点；本发明通过结合图网络方法，提出了一种恶意流量检测模型，实现网页访问中恶意流量准确、高效检测。
-
公开(公告)号：CN119135400A
公开(公告)日：2024-12-13
申请号：CN202411218577.X
申请日：2024-09-02
Applicant: 中国矿业大学(北京)
IPC: H04L9/40 , H04L41/147 , H04L41/16
Abstract: 本发明涉及一种基于邻接矩阵重构跳跃损失的图网络恶意流量检测方法，包括：获取待测网页节点源数据；将待测网页节点源数据输入基于重构跳跃损失函数的节点类别分类模型，获取待测网页节点流量预测类别；对比待测网页节点流量预测类别与实际类别，若待测网页节点流量预测类别与实际类别之间差距大于预设阈值，则判定网站被恶意流量访问，输出被判定为恶意流量访问的网页节点。本发明将网页数据以图数据的形式进行存储和预测，通过邻接矩阵的重构以及使用正负样本节点对的不同阶段的相似性对比，构建重组跳跃损失函数训练网页节点分类模型进行流量预测，通过对比预测流量与实际流量，更准确地识别被恶意流量访问的网页。
-
公开(公告)号：CN118569914A
公开(公告)日：2024-08-30
申请号：CN202410356629.3
申请日：2024-03-27
Applicant: 中国矿业大学(北京)
IPC: G06Q30/0202 , G06Q30/0601 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于动态门控特征图网络的用户购物行为预测方法及系统，包括以下步骤：基于用户的购物行为，建立数据集图；基于所述数据集图以及动态门控特征图网络，建立用户购物行为预测模型；基于所述用户购物行为预测模型，完成对用户购物行为的预测。本发明提高了电商平台用户行为预测的准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
