[發(fā)明專利]一種基于入侵檢測模型的樣本預(yù)測方法、裝置及電子設(shè)備有效
| 申請?zhí)枺?/td> | 201710463676.8 | 申請日： | 2017-06-19 |
| 公開（公告）號： | CN107276805B | 公開（公告）日： | 2020-06-05 |
| 發(fā)明（設(shè)計）人： | 姚海鵬;付丹陽;章?lián)P;張培穎;王露瑤;殷志強 | 申請（專利權(quán)）人： | 北京郵電大學(xué) |
| 主分類號： | H04L12/24 | 分類號： | H04L12/24;H04L29/06;G06F21/55;G06K9/62 |
| 代理公司： | 北京柏杉松知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413 | 代理人： | 馬敬;項京 |
| 地址： | 100876 *** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 入侵 檢測 模型 樣本 預(yù)測 方法 裝置 電子設(shè)備 | ||
1.一種基于入侵檢測模型的樣本預(yù)測方法，其特征在于，所述方法包括：
利用聚類算法，對獲得的初始訓(xùn)練樣本集中的樣本進(jìn)行聚類，得到第一預(yù)設(shè)數(shù)量個第一簇，其中，所述初始訓(xùn)練樣本集包括無標(biāo)記樣本與有標(biāo)記樣本；
針對每個所述第一簇，利用預(yù)設(shè)的純簇判定規(guī)則，判斷其內(nèi)的全部樣本是否都屬于同一個類別；如果是，則將該第一簇中的樣本從所述初始訓(xùn)練樣本集中抽離，并標(biāo)記該第一簇的類別為：該第一簇中的任一有標(biāo)記樣本的類別；
獲得由所述初始訓(xùn)練樣本集中未被抽離的樣本組成的目標(biāo)訓(xùn)練樣本集；
獲得目標(biāo)入侵檢測模型以及初始測試樣本集，其中，所述目標(biāo)入侵檢測模型基于所述目標(biāo)訓(xùn)練樣本集訓(xùn)練所得，所述初始測試樣本集的樣本類別與所述初始訓(xùn)練樣本集的無標(biāo)記樣本的樣本類別服從同一概率分布；
針對初始測試樣本集中的每個樣本，判斷是否將其從所述初始測試樣本集中抽離，如果是，將其從所述初始測試樣本集中抽離；
獲得由所述初始測試樣本集中未被抽離的樣本組成的目標(biāo)測試樣本集；并利用所述目標(biāo)入侵檢測模型，對所述目標(biāo)測試樣本集中的每個樣本進(jìn)行類別預(yù)測；
所述針對初始測試樣本集中的每個樣本，判斷將其是否從所述初始測試樣本集中抽離的步驟，包括：
獲得距離該樣本最近的第一簇，作為目標(biāo)簇；
判斷該目標(biāo)簇是否為被標(biāo)記類別的第一簇；如果是，則判定將該樣本從所述初始測試樣本集中抽離。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，如果判定該目標(biāo)簇為被標(biāo)記類別的第一簇，所述方法還包括：
將該樣本的類別標(biāo)記為：該目標(biāo)簇的類別。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，每個所述第一簇包括有標(biāo)記樣本和/或無標(biāo)記樣本，所述利用預(yù)設(shè)的純簇判定規(guī)則，判斷其內(nèi)的全部樣本是否都屬于同一個類別的步驟包括：
如果該第一簇內(nèi)的有標(biāo)記樣本的都屬于同一類別，并且該第一簇中的有標(biāo)記樣本所占的比值大于目標(biāo)比值，則判定該第一簇內(nèi)的全部樣本都屬于同一個類別，其中，所述目標(biāo)比值為：表示所述初始訓(xùn)練樣本集中的有標(biāo)記樣本所占的比值。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，將由所述純簇判定規(guī)則判定的其內(nèi)全部樣本不都屬于同一個類別的第一簇，作為第二簇，針對每個所述第二簇，所述方法還包括：
利用所述聚類算法，對該第二簇中的樣本進(jìn)行聚類，得到第二預(yù)設(shè)數(shù)量個子簇；
針對該第二簇中的每個所述子簇，判斷其內(nèi)的樣本數(shù)是否小于第一預(yù)設(shè)閾值；
如果否，則利用所述純簇判定規(guī)則，判斷該子簇內(nèi)的全部樣本是否都屬于同一個類別；如果判定該子簇內(nèi)的全部樣本都屬于同一個類別，則將該子簇中的樣本從所述初始訓(xùn)練樣本集中抽離；如果判定該子簇內(nèi)的全部樣本不都屬于同一個類別，則更新該子簇為：第二簇，返回執(zhí)行所述利用所述聚類算法，對其內(nèi)的樣本進(jìn)行聚類，得到第二預(yù)設(shè)數(shù)量個子簇的步驟，直到判斷第二簇中的每個子簇的樣本個數(shù)小于第一預(yù)設(shè)閾值。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲得所述目標(biāo)入侵檢測模型的步驟，包括；
利用所述目標(biāo)訓(xùn)練樣本集訓(xùn)練預(yù)設(shè)的初始入侵檢測模型，得到目標(biāo)入侵檢測模型；
或者，
對所述目標(biāo)訓(xùn)練樣本集進(jìn)行處理，并用處理后的目標(biāo)訓(xùn)練樣本集訓(xùn)練預(yù)設(shè)的初始入侵檢測模型，得到目標(biāo)入侵檢測模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京郵電大學(xué)，未經(jīng)北京郵電大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710463676.8/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
