-
公开(公告)号：CN116405368B
公开(公告)日：2023-08-22
申请号：CN202310645229.X
申请日：2023-06-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种高维不平衡数据条件下的网络故障诊断方法、系统，该方法包括：对网络故障数据进行数值化与归一化；采用随机森林算法评估网络特征的特征重要度并排序，进行网络特征选择；采用IKSMOTE算法对少数类网络故障样本进行过采样，以平衡多数类和少数类样本数量；根据小波神经网络结构创建一个三层小波神经网络故障诊断模型；使用IGWO对小波神经网络的参数进行优化；得到的最优参数作为小波神经网络的初始值，输入网络故障数据，完成小波神经网络模型的训练。本发明有效降低了数据的采集和存储压力，解决了网络故障数据极端不平衡导致地少数类故障诊断准确率低的问题，提高了诊断模型的局部寻优能力。
-
公开(公告)号：CN115865459A
公开(公告)日：2023-03-28
申请号：CN202211492575.0
申请日：2022-11-25
Applicant: 南京信息工程大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。
-
公开(公告)号：CN116405368A
公开(公告)日：2023-07-07
申请号：CN202310645229.X
申请日：2023-06-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种高维不平衡数据条件下的网络故障诊断方法、系统，该方法包括：对网络故障数据进行数值化与归一化；采用随机森林算法评估网络特征的特征重要度并排序，进行网络特征选择；采用IKSMOTE算法对少数类网络故障样本进行过采样，以平衡多数类和少数类样本数量；根据小波神经网络结构创建一个三层小波神经网络故障诊断模型；使用IGWO对小波神经网络的参数进行优化；得到的最优参数作为小波神经网络的初始值，输入网络故障数据，完成小波神经网络模型的训练。本发明有效降低了数据的采集和存储压力，解决了网络故障数据极端不平衡导致地少数类故障诊断准确率低的问题，提高了诊断模型的局部寻优能力。
-
公开(公告)号：CN115865459B
公开(公告)日：2023-06-27
申请号：CN202211492575.0
申请日：2022-11-25
Applicant: 南京信息工程大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。
-
-
-
Search Results
4
records
(took 0.028 seconds)
