基于因果推断模型的网络流量异常检测方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
基于因果推断模型的网络流量异常检测方法
申请号:
CN202410732928
申请日期:
2024-06-07
公开号:
CN118509239A
公开日期:
2024-08-16
类型:
发明专利
摘要
本发明公开了基于因果推断模型的网络流量异常检测方法,包括如下步骤:S1、收集网络流量数据,对网络流量数据预处理;S2、利用预处理数据构建贝叶斯网络,网络通过节点和概率关系表示不同网络参数之间的相互作用;S3、使用历史网络流量数据训练贝叶斯网络模型;S4、在网络运行期间,对实时输入网络数据进行异常检测,当识别出与正常行为显著不同的模式时,将其标记为异常;本发明的网络流量异常检测方法具有自适应性强、准确性高、实时性强和减少人工干预等显著优点。
技术关键词
网络流量数据
贝叶斯网络模型
识别网络流量
节点
代表
参数
自动标记
监测网络流量
序列
网络流量分析
异常事件
格式化
实时数据处理
关系
网络结构
模式
算法