[发明专利]一种神经网络增量学习方法及装置

说明书

本发明提供一种神经网络增量学习方法及装置，该方法包括：接收待处理报文；对所述待处理报文进行数据流特征提取，并基于所提取的数据流特征，利用预测神经网络确定对应的应用分类；以及，保存部分待处理报文，并基于所述部分待处理报文，利用入侵防御系统IPS软件，识别所述部分待处理报文对应的应用分类；基于所述部分待处理报文对应的应用分类，以及所述部分待处理报文的数据流特征，生成训练样本；利用所述训练样本，对所述预测神经网络进行训练，以确定新的模型参数；当确定满足预设条件时，触发所述预测神经网络加载所述新的模型参数。应用本发明实施例可以保证网络模型的预测准确率。

技术领域

本发明涉及网络通信技术领域，尤其涉及一种神经网络增量学习方法及装置。

背景技术

随着互联网技术和AI(Artificial Intelligence，人工智能)技术的高速发展，互联网技术和AI技术的结合应用成为热门研究方向。

智能交换机是普通交换机与AI结合的产品。通过普通交换机与AI结合，使智能交换机在普通交换机的功能上，额外增加了AI处理能力。

目前，智能交换机主要通过神经网络实现AI处理，神经网络的高效工作有赖于所加载的模型数据库的有效性，而由于互联网流量的构成会随着时间的推移而发生变化，网络模型的预测准确率也会相应下降，因此，神经网络加载的模型数据库的有效性会随着时间推移而逐渐下降。

发明内容

本发明提供一种神经网络增量学习方法及装置，以解决现有智能交换机中神经网络加载的模型数据库的有效性会随着时间推移而逐渐下降的问题。

根据本发明实施例的第一方面，提供一种神经网络增量学习方法，应用于智能交换机，所述方法包括：

接收待处理报文；

对所述待处理报文进行数据流特征提取，并基于所提取的数据流特征，利用预测神经网络确定对应的应用分类；以及，

保存部分待处理报文，并基于所述部分待处理报文，利用入侵防御系统IPS软件，识别所述部分待处理报文对应的应用分类；基于所述部分待处理报文对应的应用分类，以及所述部分待处理报文的数据流特征，生成训练样本；

利用所述训练样本，对所述预测神经网络进行训练，以确定新的模型参数；

当确定满足预设条件时，触发所述预测神经网络加载所述新的模型参数。

根据本发明实施例的第二方面，提供一种神经网络增量学习装置，应用于智能交换机，所述装置包括：

接收单元，用于接收待处理报文；

提取单元，用于对所述待处理报文进行数据流特征提取；

第一确定单元，用于基于所提取的数据流特征，利用预测神经网络确定对应的应用分类；

保存单元，用于保存部分待处理报文；

第二确定单元，用于基于所述部分待处理报文，利用入侵防御系统IPS软件，识别所述部分待处理报文对应的应用分类；

生成单元，用于基于所述部分待处理报文对应的应用分类，以及所述部分待处理报文的数据流特征，生成训练样本；

训练单元，用于利用所述训练样本，对所述预测神经网络进行训练，以确定新的模型参数；

更新单元，用于当确定满足预设条件时，触发所述预测神经网络加载所述新的模型参数。