技術特征：

1.一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括：

2.根據(jù)權利要求1所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述流量處理模塊包括：

3.根據(jù)權利要求2所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述模型訓練模塊包括：

4.根據(jù)權利要求3所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述注意力采樣模塊的采樣策略包括重要性采樣和隨機采樣公式如下：

5.根據(jù)權利要求4所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述注意力采樣模塊還用于在圖神經(jīng)網(wǎng)絡模型各層之間添加殘差連接并聚合多層gnn嵌入。

6.根據(jù)權利要求5所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述聚合多層gnn嵌入包括：當連續(xù)兩個gnn層之間的維度差異存在，引入線性轉換矩陣w用于調(diào)整輸入維度，當圖神經(jīng)網(wǎng)絡模型中每一層的輸出為轉換公式如下：

7.根據(jù)權利要求6所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述根據(jù)圖神經(jīng)網(wǎng)絡模型的訓練結果計算損失函數(shù)，公式如下：

8.根據(jù)權利要求7所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述引入經(jīng)驗緩存區(qū)節(jié)點的權重包括：

9.根據(jù)權利要求8所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述經(jīng)驗緩存模塊包括：

10.根據(jù)權利要求9所述的一種基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，其特征在于，所述經(jīng)驗重放模塊包括：

技術總結
本申請涉及信息安全技術領域，本申請?zhí)峁┮环N基于增量學習的動態(tài)僵尸網(wǎng)絡檢測系統(tǒng)，包括流量處理模塊、模型訓練模塊、經(jīng)驗緩存模塊和經(jīng)驗重放模塊；流量處理模塊用于生成流量的節(jié)點和邊的特征；模型訓練模塊用于訓練基于注意力節(jié)點采樣的圖神經(jīng)網(wǎng)絡模型；經(jīng)驗緩存模塊用于圖神經(jīng)網(wǎng)絡模型訓練完成后，根據(jù)注意力采樣結果提取節(jié)點的關鍵子圖，聚合后保存至經(jīng)驗緩存區(qū)，并進行維護和更新；經(jīng)驗重放模塊用于選擇關鍵子圖在新批次數(shù)據(jù)中重放，重新聚合新批次數(shù)據(jù)特征，進行圖神經(jīng)網(wǎng)絡模型微調(diào)。本申請通過從僵尸網(wǎng)絡提取關鍵控制拓撲，并在模型重新訓練過程中重放之前批次中的關鍵控制拓撲，使模型隨動態(tài)數(shù)據(jù)進化，具有抗災難性遺忘能力。

技術研發(fā)人員：殷麗華,李凡,羅熙,李丹
受保護的技術使用者：廣州大學
技術研發(fā)日：
技術公布日：2024/10/10