基于神经网络隐LSTM模型的二进制流信息分析方法

摘要

本发明提供一种基于神经网络隐LSTM模型的二进制流信息分析方法，涉及数据流信息分析技术领域。该方法包括：确定嵌入空间的维数m，取二进制流中的每r位数据为一个字母，并确定相应的2^r个字母在嵌入空间的对应嵌入向量；确定观测空间的维数n；确定隐状态空间的维数L；建立LSTM模型，并初始化模型参数；建立状态空间到观测空间的状态转移模型；设计LSTM模型的模型整体损失函数；在模型参数训练完成以后，保存模型的嵌入参数、LSTM参数和状态转移参数。本发明通过将二进制流信息视为一种需要处理和分析的语言结构，结合隐马克可夫模型的想法和循环神经网络的应用，实现了对二进制流信息的分析，提升了信息分析的准确性。