【技术实现步骤摘要】
本专利技术涉及人工智能，特别涉及一种基于非平衡数据流的网络流量监测识别方法。
技术介绍
1、随着互联网的广泛普及和信息化进程的不断推进，网络流量的规模和复杂性持续增加。网络流量数据不仅包含常规的正常通信，还可能包含异常行为，例如分布式拒绝服务攻击（ddos）、扫描攻击以及其他潜在威胁。对这些异常流量的准确识别是保障网络安全的重要环节。然而，现有的网络流量分析方法在数据采集、处理以及模型训练等方面面临诸多挑战。
2、现有技术中基于随机采样或简单生成算法的样本扩充方法生成的数据样本难以真实反映网络流量的复杂分布特性，导致扩充后的数据无法有效提升模型的训练效果，此外，缺乏动态调整生成样本分布的方法，导致生成样本与真实数据存在显著偏差。传统支持向量机在处理大规模网络流量数据时计算负担较重，且对异常值和噪声数据缺乏有效管理，导致模型在非平衡数据上的表现不佳，此外，传统分类方法难以针对不同类型的流量特性进行动态优化，影响分类结果的精度与鲁棒性。
技术实现思路
1、本专利技术提供了一种基于非...
【技术保护点】
1.一种基于非平衡数据流的网络流量监测识别方法，其特征在于，包括：
2.根据权利要求1所述的基于非平衡数据流的网络流量监测识别方法，其特征在于，所述网络流量数据的采集方式包括自动化脚本和网络监控工具。
3.根据权利要求1所述的基于非平衡数据流的网络流量监测识别方法，其特征在于，所述网络流量数据的存储格式为JSON格式。
4.根据权利要求1所述基于非平衡数据流的网络流量监测识别方法，其特征在于，所述步骤2具体包括：
5.根据权利要求4所述基于非平衡数据流的网络流量监测识别方法，其特征在于，所述步骤2还包括：
6...
【技术特征摘要】
1.一种基于非平衡数据流的网络流量监测识别方法，其特征在于，包括：
2.根据权利要求1所述的基于非平衡数据流的网络流量监测识别方法，其特征在于，所述网络流量数据的采集方式包括自动化脚本和网络监控工具。
3.根据权利要求1所述的基于非平衡数据流的网络流量监测识别方法，其特征在于，所述网络流量数据的存储格式为json格式。
4.根据权利要求1所述基于非平衡数据流的网络流量监测识别方法，其特征在于，所述步骤2具体包括：
5.根据权利要求4所述基于...
【专利技术属性】
技术研发人员：张震，欧阳小健，张金传，霍杨杰，徐雪松，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。