【技术实现步骤摘要】
使用滚动窗口的连续学习神经网络系统相关申请交叉引用本申请是2018年9月20日提交的第62/734,149号美国专利申请的非临时申请,所述美国专利申请的全文以引用的方式并入本文中。
技术介绍
网络攻击正变得越来越动态和自动化。可以跟踪和分析网络攻击以预测未来的攻击。然而,在使用所有先前数据执行完整的数据分析之前,可能会发生新的网络攻击。虽然自动化学习可以解决一些问题,但这些模型会随时间推移而偏移。为了应对这种威胁,需要一种自动化解决方案来监控传入的数据。本专利技术的实施例单独地和共同地解决了这种问题和其它问题。
技术实现思路
一个实施例涉及一种方法,包括:由分析计算机确定与用于随时间推移而发生的交互的交互数据相关联的滚动窗口;由所述分析计算机检取用于在所述滚动窗口中发生的交互的交互数据;由所述分析计算机基于历史交互数据生成伪交互数据;以及由所述分析计算机使用用于在所述滚动窗口内发生的交互的所述交互数据和所述伪交互数据形成神经网络模型。另一个实施例涉及一种分析计算机,包括:处理器;耦合到所述处理器的计算机可读介质,所述计算机可读介质包括可由所述处理器执行以实施方法的代码,所述方法包括:确定与用于随时间推移而发生的交互的交互数据相关联的滚动窗口;检取用于在所述滚动窗口中发生的交互的交互数据;基于历史交互数据生成伪交互数据;以及使用用于在所述滚动窗口内发生的交互的所述交互数据和所述伪交互数据——交互数据矩阵——形成神经网络模型。关于本专利技术的实施例的更多细节可以见于具体实施方式和附图说明。< ...
【技术保护点】
1.一种方法,包括:/n由分析计算机确定与用于随时间推移而发生的交互的交互数据相关联的滚动窗口;/n由所述分析计算机检取用于在所述滚动窗口中发生的交互的交互数据;/n由所述分析计算机基于历史交互数据生成伪交互数据;以及/n由所述分析计算机使用用于在所述滚动窗口内发生的交互的所述交互数据和所述伪交互数据形成神经网络模型。/n
【技术特征摘要】
20180920 US 62/734,1491.一种方法,包括:
由分析计算机确定与用于随时间推移而发生的交互的交互数据相关联的滚动窗口;
由所述分析计算机检取用于在所述滚动窗口中发生的交互的交互数据;
由所述分析计算机基于历史交互数据生成伪交互数据;以及
由所述分析计算机使用用于在所述滚动窗口内发生的交互的所述交互数据和所述伪交互数据形成神经网络模型。
2.根据权利要求1所述的方法,其中所述滚动窗口包括期间发生所述交互数据的时间范围,且其中所述方法还包括:
由所述分析计算机嵌入用于在所述滚动窗口内发生的所述交互的所述交互数据和所述伪交互数据以形成交互数据矩阵,且其中使用所述交互数据矩阵形成所述神经网络模型。
3.根据权利要求2所述的方法,其中生成所述伪交互数据还包括:
由所述分析计算机确定所述历史交互数据中的一个或多个数据趋势,所述一个或多个数据趋势包括在所述滚动窗口内和外发生的交互;以及
由所述分析计算机基于所述一个或多个数据趋势生成多个伪交互以形成所述伪交互数据。
4.根据权利要求3所述的方法,其中确定所述一个或多个数据趋势还包括:
由所述分析计算机将至少所述历史交互数据集群成一个或多个社区组,其中所述一个或多个社区组中的每个社区组包括表示具有相似特性的交互的数据。
5.根据权利要求4所述的方法,其中形成所述神经网络模型还包括:
由所述分析计算机拆分所述交互数据矩阵的一部分以形成测试样本;
由所述分析计算机将所述测试样本存储到数据库中;
由所述分析计算机用未包括在所述测试样本中的所述交互数据矩阵训练神经网络;
基于所述训练,由所述分析计算机确定部分地定义所述神经网络模型的多个神经网络权重;
由所述分析计算机使用所述测试样本评估所述神经网络模型;以及
基于所述评估,由所述分析计算机将所述神经网络模型存储在模型数据库中。
6.根据权利要求5所述的方法,其中所述神经网络为卷积神经网络或递归神经网络。
7.根据权利要求1所述的方法,还包括:
确定一个或多个误差矩阵;以及
用机器学习模型和所述一个或多个误差矩阵嵌入用于在所述滚动窗口内发生的所述交互的所述交互数据和所述伪交互数据以形成交互数据矩阵,且其中形成所述神经网络模型包括使用所述交互数据矩阵来形成所述神经网络模型。
8.根据权利要求7所述的方法,其中确定所述一个或多个误差矩阵还包括:
由所述分析计算机使用用于在所述滚动窗口内发生的所述交互的所述交互数据的第一部分训练模型;
由所述分析计算机使用用于在所述滚动窗口内发生的所述交互的所述交互数据的第二部分评估所述模型;
由所述分析计算机基于所述评估确定误差矩阵和总误差;
由所述分析计算机确定所述总误差是否超出预定误差阈值;以及
如果所述总误差超出所述预定误差阈值,则由所述分析计算机将所述误差矩阵存储在数据库中。
9.根据权利要求1所述的方法,还包括:
由所述分析计算机将所述神经网络模型存储在模型数据库中。
10.根据权利要求9所述的方法,还包括:
由所述分析计算机接收包括请求数据的请求消息;以及
由所述分析计算...
【专利技术属性】
技术研发人员:T·科罗列夫斯卡亚,T·D·哈利斯,李玥,
申请(专利权)人:维萨国际服务协会,
类型:发明
国别省市:美国;US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。