一种网络异常流量检测方法及装置

技术特征：

1.一种网络异常流量检测方法，其特征在于，包括：

2.根据权利要求1所述的网络异常流量检测方法，其特征在于，所述gru网络的构建流程如下；

3.根据权利要求1或2所述的网络异常流量检测方法，其特征在于，所述步骤四具体步骤如下；

4.根据权利要求1所述的网络异常流量检测方法，其特征在于，所述收敛因子a、第一系数向量a和第二系数向量c初始化计算式如下，

5.根据权利要求2所述的网络异常流量检测方法，其特征在于，所述步骤2.2中的归一化处理采用min-max归一化，归一化结果映射到[0,1]之间；

6.根据权利要求2或5所述的网络异常流量检测方法，其特征在于，所述步骤2.3中的softmax函数将输出层神经元的输出结果全部映射到(0,1)区间中，且所有结果的和为1，softmax函数为每个输出分类的结果都赋予一个概率值，表示属于每个类别的可能性，选取概率最大的作为最后预测分类标签；

7.一种网络异常流量检测装置，其特征在于，包括：

8.根据权利要求7所述的网络异常流量检测装置，其特征在于，所述网络模块中gru网络模块的构建过程包括，捕获工控网络流量数据，划分成训练集和测试集；

9.根据权利要求7所述的网络异常流量检测装置，其特征在于，所述更新灰狼位置信息和收敛因子a、第一系数向量a和第二系数向量c具体为：

10.根据权利要求7所述的网络异常流量检测装置，其特征在于，所述收敛因子a、第一系数向量a和第二系数向量c初始化计算式如下，

技术总结
本发明属于网络安全检测领域，提出了一种网络异常流量检测方法及装置。该方法通过改进的灰狼算法IGWO对GRU网络的隐层神经元个数和学习率进行自动学习，针对网络流量周期性、时序性的特点，采用门控循环单元与本发明提出的自适应灰狼优化算法相结合的异常检测模型来对异常流量进行分类。使用改进后的灰狼优化算法对神经网络的参数以及网络的结构进行优化，不仅能提高检测的速度还能提高检测的准确率；将原本参数a的线性衰减修改为了非线性衰减，以提高全局搜索次数的占比。全局搜索次数越多，算法的全局搜索能力越强，越不容易陷入局部最优解。

技术研发人员：姚羽,王嘉璇,许超,王博,杨巍,刘颖,王磊,单垚,王丹妮,冉子用,吕阳,方宇珊,滕子贻,杨利成,刘倩,翟浩,胡非,刘莹,周毅,刘思宇
受保护的技术使用者：东北大学
技术研发日：
技术公布日：2024/1/15