[發明專利]一種基于極值點分類的網絡入侵檢測方法有效
| 申請號: | 201711048813.8 | 申請日: | 2017-10-31 |
| 公開(公告)號: | CN107809430B | 公開(公告)日: | 2020-09-08 |
| 發明(設計)人: | 倪彤光;顧曉清 | 申請(專利權)人: | 常州大學 |
| 主分類號: | H04L29/06 | 分類號: | H04L29/06 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 213164 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 極值 分類 網絡 入侵 檢測 方法 | ||
1.一種基于極值點分類的網絡入侵檢測方法,其特征包括以下步驟:
步驟1.收集網絡正常數據流,將每個非數值屬性轉化為數值,形成訓練集X;
步驟2.計算訓練集X的極值點,獲得基于極值點分類的網絡入侵檢測模型;
步驟3.接收網絡未標記的數據流,將每個非數值屬性轉化為數值,采用基于極值點分類的網絡入侵檢測模型進行分類;
上述步驟2所述的獲得基于極值點分類的網絡入侵檢測模型的具體步驟是:
步驟2.1每次迭代,產生隨機高斯矩陣Kj∈R2×d,其中矩陣Kj的元素滿足高斯分布N(0,1),d是訓練集X的特征數,j為迭代的次數,j的初始值為1;
步驟2.2將X投影到二維平面Rj,得到二維數據集Cj={cj,1,cj,2,...,cj,N},其中cj,k=Kjxk,xk和cj,k分別是X和Cj數據集的第k個樣本,xk∈Rd×1,N是X中樣本的個數;
步驟2.3以原點為中心劃分二維平面Rj得到2m個中心夾角為α的等分區域,其中α=π/m;
步驟2.4得到Cj分布在第i對中心角對稱的等分區域的數據集和
其中i=0,1,…,m-1,k=1,2,...,N,arctan()表示反余切函數;
步驟2.5計算第i對中心角對稱的等分區域的中心單位向量和
其中i=0,1,…,m-1;
步驟2.6計算第i對中心角對稱的等分區域的二維樣本與所屬區域的中心單位向量的點乘操作,獲得點乘操作的最大值和
其中i=0,1,…,m-1;
步驟2.7獲得第i對等分區域中點乘操作最大值對應的二維點和
其中i=0,1,…,m-1;
步驟2.8獲得第i對等分區域中的極值點:
其中i=0,1,…,m-1;
步驟2.9得到二維平面Rj上的極值點集Pj:
步驟2.10判斷當前j是否滿足j<jmax,若是,則令j=j+1,返回步驟2.1,若否,則執行步驟2.11;
步驟2.11將jmax個極值點集Pj和對應的高斯矩陣Kj保存為網絡入侵檢測模型W:
上述步驟3所述的采用基于極值點分類的網絡入侵檢測模型進行分類的方法的具體步驟是:
步驟3.1對于待檢測的沒有標記的網絡數據流z,每次迭代,得到它在二維平面Rj的投影向量zj,其中zj=Kjz,j為迭代次數,j的初始值為1;
步驟3.2判斷zj是否在二維平面Rj的極值點集Pj的內部,若是,則轉向步驟3.3,若否,則輸出分類結果:數據流z是網絡攻擊流;
步驟3.3判斷當前j是否滿足j<jmax,若是,則令j=j+1,返回步驟3.1,若否,則輸出分類結果:數據流z是網絡正常流。
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常州大學,未經常州大學許可,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/201711048813.8/1.html,轉載請聲明來源鉆瓜專利網。





