基本信息:
- 专利标题： 一种基于任务导向与混合学习的网络数据流特征提取方法
- 申请号：CN202411898771.7 申请日：2024-12-23
- 公开(公告)号：CN119945720A 公开(公告)日：2025-05-06
- 发明人： 祝英杰 , 陈宇 , 许鑫 , 宋悦嘉 , 陈启维 , 高奇 , 曹慧 , 刘春博 , 姜海峰 , 迟克寒 , 付云龙
- 申请人： 吉林省电力科学研究院有限公司 , 国网吉林省电力有限公司电力科学研究院 , 华北电力大学
- 申请人地址： 吉林省长春市朝阳区人民大街4433号
- 专利权人： 吉林省电力科学研究院有限公司,国网吉林省电力有限公司电力科学研究院,华北电力大学
- 当前专利权人： 吉林省电力科学研究院有限公司,国网吉林省电力有限公司电力科学研究院,华北电力大学
- 当前专利权人地址： 吉林省长春市朝阳区人民大街4433号
- 代理机构： 吉林市达利专利事务所(普通合伙)
- 代理人： 陈传林
- 主分类号： H04L9/40
- IPC分类号： H04L9/40 ; G06F18/213 ; G06F18/2113 ; G06F18/243 ; G06N5/01
摘要：
一种基于任务导向与混合学习的网络数据流特征提取方法，属于网络安全技术领域，首先对于收集到的网络数据流数据明确具体任务目标，目标包括识别网络攻击行为、分析网络流量模式等；然后对网络数据流数据进行数据清洗(去除冗余和无效数据)等预处理操作；之后搭建卡方‑决策树模型进行特征提取工作，对提取出的特征进行评估和优化；最后进行流量分析的相关任务。本发明能够根据不同的任务目标(如网络攻击识别、流量模式分析、网络负载预测等)，高效地从网络数据流中提取出有价值的特征，并通过不断优化和改进，适应不断变化的网络环境，以保障网络安全、提升网络运营效率，满足现代网络管理的迫切需求。