首页  专利技术  电子通信装置的制造及其应用技术

基于深度学习的网络安全检测方法及系统与流程

2026-01-14 15:20:07 260次浏览

技术特征:

1.基于深度学习的网络安全检测方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述方法还包括:

3.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述部署基于对抗性网络的自我进化神经密码学模块,具体包括以下步骤:

4.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述分析和识别网络流量中的异常模式和隐蔽通信行为,包括:

5.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述集成多种数据源,使用深度学习算法提取多模态深层特征,包括:

6.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述多模态深度学模型的结构为多输入多输出的神经网络结构,其中,每种输入数据对应一个输入分支,表示如下:

7.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述在线学习机制表示如下:

8.如权利要求1所述的基于深度学习的网络安全检测方法,其特征在于,所述使用引入在线学习机制的多模态深度学习模型结合数据分析和机器学习对网络进行实时监控,包括:

9.如权利要求8所述的基于深度学习的网络安全检测方法,其特征在于,若存在威胁,同时自动触发防御措施,包括:

10.基于深度学习的网络安全检测系统,其特征在于,所述系统包括:


技术总结
本发明提出了基于深度学习的网络安全检测方法及系统,方法包括:部署基于对抗性网络的自我进化神经密码学模块进行对抗学习;构建深度信念模型,使用预处理后的数据训练深度信念网络,分析和识别网络流量中的异常模式和隐蔽通信行为;集成多种数据源,提取多模态深层特征;构建多模态深度学习模型对多模态深层特征进行处理;引入在线学习机制对学习率进行自适应调整,使多模态深度学习模型根据新的数据进行动态更新;使用引入在线学习机制的多模态深度学习模型结合数据分析和机器学习对网络进行实时监控,识别威胁;若存在威胁,实施自动化防护策略,自动触发防御措施。本发明为网络安全领域提供了一个全新的、高度自适应且综合的解决方案。

技术研发人员:何建忠,刘伟家,桂霞
受保护的技术使用者:广州今惟科技有限公司
技术研发日:
技术公布日:2024/11/26
文档序号 : 【 40123524 】

技术研发人员:何建忠,刘伟家,桂霞
技术所有人:广州今惟科技有限公司

备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
何建忠刘伟家桂霞广州今惟科技有限公司
一种低轨卫星动态资源分配方法 一种塑料棱镜的浇口剪切设备的制作方法
相关内容