基于多路分支结构的卷积神经网络的网络攻击行为检测方法

摘要

本发明公开基于多路分支结构的卷积神经网络的网络攻击行为检测方法，包括：步骤1：分析数据源并预处理：人工进行样本数据收集与标注：步骤2：多维度特征提取：利用卷积层的范围特征提取能力，再配合神经网络的反向传播来进行权值更新；步骤3：分类预测：将模型卷积层后三条线路的输出结果在第一维度上进行拼接，展平后采取两层全连接层，第一层采用Relu激活函数，最后的输出层采用Softmax作为激活函数步骤4：训练过程：前向传播后通过反向传播然后用梯度下降法来训练模型的权重；步骤5：通过Softmax输出结果的概率分布。本发明大幅度的提升在网络攻击行为检测上的准确率。