[發明專利]基于特征的三階段神經網絡入侵檢測方法和系統無效
| 申請號: | 201410372707.5 | 申請日: | 2014-07-31 |
| 公開(公告)號: | CN104348827A | 公開(公告)日: | 2015-02-11 |
| 發明(設計)人: | B.阿思馬納塔恩;S.卡姆塔尼亞 | 申請(專利權)人: | 西門子公司 |
| 主分類號: | H04L29/06 | 分類號: | H04L29/06;G06N3/02 |
| 代理公司: | 中國專利代理(香港)有限公司 72001 | 代理人: | 張凌苗;徐紅燕 |
| 地址: | 德國*** | 國省代碼: | 德國;DE |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 特征 階段 神經網絡 入侵 檢測 方法 系統 | ||
1.?一種用于使用多個神經網絡檢測網絡入侵的方法,所述方法包括:
-在多個神經網絡中的第一神經網絡(104)處確定對應于輸入數據的多個矢量的第一多個權重值;
-在多個神經網絡中的第二神經網絡(106)處將第一多個權重值更新到第二多個權重值;
-在多個神經網絡中的第三神經網絡(108)處將第二多個權重值更新到第三多個權重值;以及
-基于第三多個權重值在多個入侵中的至少一個之下分類多個矢量。
2.?根據權利要求1所述的方法,進一步包括通過使用訓練數據來訓練多個神經網絡以檢測網絡入侵的步驟。
3.?根據權利要求2所述的方法,進一步包括使用訓練數據形成第一神經網絡的分類映射。
4.?根據權利要求3所述的方法,進一步包括在第一神經網絡(104)的分類映射上映射多個矢量的步驟。
5.?根據權利要求4所述的方法,其中第一多個權重值與第一神經網絡(104)的分類映射相關聯。
6.?根據權利要求2所述的方法,進一步包括基于訓練數據定義多個入侵的步驟。
7.?根據前述權利要求中任一項所述的方法,其中在第一神經網絡(104)處確定對應于多個矢量的第一多個權重值進一步包括將第一多個權重值和多個矢量輸入到第二神經網絡(106)的步驟。
8.?根據前述權利要求中任一項所述的方法,進一步包括在將第一多個權重值更新到第二多個權重值之前在第二神經網絡(106)處根據第一多個權重值和多個矢量確定第二多個權重值的步驟。
9.?根據前述權利要求中任一項所述的方法,其中在第二神經網絡(106)處將第一多個權重值更新到第二多個權重值進一步包括將第二多個權重值和多個矢量輸入到第三神經網絡(108)的步驟。
10.?根據前述權利要求中任一項所述的方法,進一步包括在將第二多個權重值更新到第三多個權重值之前在第三神經網絡(108)處根據第二多個權重值和多個矢量確定第三多個權重值的步驟。
11.?一種用于根據數據集的多個特征標識入侵檢測特征的方法,所述方法包括:
-確定數據集的多個特征中的特征的一個或多個值;
-基于特征的一個或多個值將數據集分成一個或多個數據子集;
-根據一個或多個數據子集的特征的一個或多個值和預定義的類確定特征的熵;
-根據第一特征的熵確定第一特征的信息增益;以及
-將第一特征的信息增益與信息增益的預定義的值比較。
12.?根據權利要求11所述的方法,進一步包括標識針對多個特征中的特征的預定義的類的步驟。
13.?根據權利要求11所述的方法,其中將第一特征的信息增益與信息增益的預定義的值比較進一步包括將特征的熵與熵的預定義的值比較的步驟。
14.?一種使用多個神經網絡的網絡入侵檢測系統(100),所述系統包括:
-第一神經網絡(104),其用于確定對應于輸入數據的多個矢量的第一多個權重值;
-第二神經網絡(106),其用于基于輸入數據的多個矢量將從第一神經網絡(104)接收的第一多個權重值更新到第二多個權重值;
-第三神經網絡(108),其用于基于輸入數據的多個矢量將從第二神經網絡(106)接收的第二多個權重值更新到第三多個權重值;以及
-分類模塊(110),其用于基于從第三神經網絡(108)接收的第三多個權重值在多個入侵中的至少一個之下分類多個矢量。
15.?根據權利要求14所述的系統,進一步包括特征檢測器(102),其用于根據輸入數據的多個特征標識至少一個入侵檢測特征。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西門子公司,未經西門子公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410372707.5/1.html,轉載請聲明來源鉆瓜專利網。





