基于高斯混合隐马尔可夫及迁移学习的多阶段攻击检测算法
发明专利本发明公开了基于高斯混合隐马尔可夫及迁移学习的多阶段攻击检测算法,属于网络安全技术领域,首先用GMM在高维空间将警报数据进行聚类,从混合警报中聚类出真正的威胁警报,结合HMM,充分考虑MSA的连续性各阶段独特的警报特征以及阶段之间的转换信息,解决复杂的MSA使得模型对警报特征的学习不全面问题;其次使用训练模型参数的优化Baum‑Welch算法和优化Viterbi算法,解决传统HMM在面对复杂多阶段攻击时的识别和预测问题提高模型的性能;最后使用改进的TL方法对GMM‑HMM模型参数进行微调,在训练算法中加入KL散度作为惩罚项来缩小源域和目标域之间的分布差异,从而更好地解决了TL过程中的偏差问题。
《基于高斯混合隐马尔可夫及迁移学习的多阶段攻击检测算法》是一发明专利,专利号为 2023110941208,当前法律状态为已下证,由燕山大学提出申请,发明人为王倩;王伟陇;王学航;刘韩;任家东,申请日期为2023-08-29,公开(公告)日期为2025-11-04,国际专利分类号(IPC)为 H04L9/40(2022.01)I;G06F18/20(2023.01)I;G06F18/2135(2023.01)I;G06N3/09(2023.01)I;G06N3/096(2023.01)I,所属技术领域包括:网络安全、数据入侵安全防御系统、互联网、网络攻击、软件、数据算法、服务器、人工智能。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了基于高斯混合隐马尔可夫及迁移学习的多阶段攻击检测算法,属于网络安全技术领域,首先用GMM在高维空间将警报数据进行聚类,从混合警报中聚类出真正的威胁警报,结合HMM,充分考虑MSA的连续性各阶段独特的警报特征以及阶段之间的转换信息,解决复杂的MSA使得模型对警报特征的学习不全面问题;其次使用训练模型参数的优化Baum‑Welch算法和优化Viterbi算法,解决传统HMM在面对复杂多阶段攻击时的识别和预测问题提高模型的性能;最后使用改进的TL方法对GMM‑HMM模型参数进行微调,在训练算法中加入KL散度作为惩罚项来缩小源域和目标域之间的分布差异,从而更好地解决了TL过程中的偏差问题。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
