[發明專利]基于BP神經網絡的木馬事件預測方法

無效

• 申請號: 201110183213.9
• 申請日: 2011-07-01
• 公開（公告）號: CN102469103A
• 公開（公告）日: 2012-05-23
• 發明（設計）人: 夏榕澤;賈焰;韓偉紅;楊樹強;周斌;鄭黎明;徐鏡湖;張建鋒;劉斐;劉東;李遠征;王雯霞
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06N3/02
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

1.一種用于木馬事件預測的BP神經網絡訓練方法，包括：

步驟1)以一定時間段網絡流量數據中對木馬事件發生的數量的統計數據為訓練樣本；

步驟2)以之前k-1次對某類木馬事件發生的數量的統計數據為輸入，以第k次對該類木馬事件發生數量的統計數據為輸出，訓練所述BP神經網絡，其中k為大于1的自然數。

2.根據權利要求1的BP神經網絡訓練方法，其中，步驟2)包括以下步驟：

步驟a)設置一個滑動窗口，其大小為m，所述滑動窗口覆蓋所述時間段內的某類木馬事件發生的數量的n個統計數據中的m個數據；

步驟b)取滑動窗口內的數據作為輸入，滑動窗口之后緊鄰的數據作為期望輸出；

步驟c)BP神經網絡的輸入層節點數為m，輸出層節點數定為1；

步驟d)設置誤差精度，神經元權值隨機取0到1之間的任何數；

步驟e)計算輸出結果；

步驟f)如果輸出結果與期望輸出之間的誤差大于所述誤差精度，則進行反向傳播，調整神經元權值，直到輸出結果與期望輸出之間的誤差小于所述誤差精度為止；

步驟g)滑動窗口向后滑動一個數據值，重復執行步驟b)至步驟g)直到處理完所有n個統計數據為止。

3.根據權利要求1或2所述的BP神經網絡訓練方法，其中，所述時間段為1小時。

4.根據權利要求2所述的BP神經網絡訓練方法，其中，所述誤差精度為0.05，所述BP神經網絡的層數為三層，所述BP神經網絡隱含層節點數是采用試湊法來確定的。

5.根據權利要求1所述的BP神經網絡訓練方法，其中，在步驟1)之前還包括以下步驟：

根據包含木馬事件的流量數據訓練分類BP神經網絡；

利用訓練好的分類BP神經網絡對所述時間段網絡流量數據中的各個木馬事件進行分類統計，得到該時間段內流量數據中各類木馬事件的數量。

6.根據權利要求5所述的BP神經網絡訓練方法，其中，在訓練分類BP神經網絡的步驟之前還包括以下步驟：

去掉離群點，所述離群點是指在一個流量序列中，遠離序列一般水平的極端大值和極端小值，所述流量序列指木馬事件發生數量序列；

補足缺損值，所述缺損值是指流量信息的丟失。

7.根據權利要求5或6所述的BP神經網絡訓練方法，其中，訓練分類BP網絡包括以下步驟：

以已知的各類木馬事件對一組API的調用為輸入；

為每種木馬設定一個判定邊界；

每個輸入節點標識對一種API的調用，輸出層設置一個節點；

設置誤差精度，神經元權值隨機取0到1之間的任何數；

如果木馬事件調用了該API，則該節點輸入為1，如果沒有調用該API，則輸入為0；

計算輸出結果；

如果輸出結果與該類木馬事件對應的判定邊界之間的誤差大于所述誤差精度，則進行反向傳播，調整神經元權值，直到輸出結果與該類木馬事件對應的判定邊界之間的誤差不超過誤差精度為止。

8.根據權利要求7所述的BP神經網絡訓練方法，其中，所述判定邊界設置為0～1之間的數字，所述誤差精度為0.05，所述BP神經網絡的層數為三層，所述BP神經網絡隱含層節點數是采用試湊法來確定的。

9.一種木馬事件的預測方法，包括：

利用根據上述權利要求1至8之一所述的訓練方法訓練好的神經網絡，以網絡中的歷史流量數據中某類木馬發生數量的統計數據為所述神經網絡的輸入，所述神經網絡的輸出為網絡將要發生的該類木馬事件的數量。