[發明專利]一種基于多尺度特征連接卷積神經網絡的入侵檢測方法

有效

• 申請號: 201811127767.5
• 申請日: 2018-09-27
• 公開（公告）號: CN109446804B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 江澤濤;秦嘉奇;江婧;周譚盛子;胡碩
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06N3/04;G06N3/08
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

1.一種基于多尺度特征連接卷積神經網絡的入侵檢測方法，其特征是，具體包括步驟如下：

步驟1、采集網絡中的歷史數據形成總數據集D；

步驟2、隨機從總數據集D中選取部分數據形成抽選數據集D′，并將抽選數據集D′分為訓練集STrain和測試集STest；

步驟3、根據入侵數據的真實情況，為訓練集STrain和測試集STest中的數據打上入侵類型的標簽；

步驟4、將總數據集D中除去抽選數據集D′所剩余的數據組成剩余數據集

步驟5、將剩余數據集中的數據送入初始的基于多尺度特征連接卷積神經網絡中進行無監督預訓練；

步驟6、在無監督預訓練結束時，保留初始的基于多尺度特征連接卷積神經網絡中卷積層的所有參數W；

步驟7、將步驟6所得到的卷積層的所有參數W加載回初始的基于多尺度特征連接卷積神經網絡的卷積層中，得到預訓練的基于多尺度特征連接卷積神經網絡；

步驟8、將訓練集Strain中的數據送入步驟7所得到的預訓練的基于多尺度特征連接卷積神經網絡中進行監督訓練；

步驟9、在監督訓練過程中，使用反向傳播算法訓練網絡參數，每隔一定的訓練批次使用測試集STest中的數據驗證網絡的正確率，當正確率達到設定的閾值時，則將當前預訓練的基于多尺度特征連接卷積神經網絡中各層的所有參數Wa保存下來；

步驟10、將步驟9所得到的各層的所有參數Wa對應加載回預訓練的基于多尺度特征連接卷積神經網絡的各層中，得到最終基于多尺度特征連接卷積神經網絡；

步驟11、當需要進行網絡數據的入侵檢測時，將需要檢測的網絡數據送入步驟10所得到的最終基于多尺度特征連接卷積神經網絡中，即預測得到的入侵檢測結果。

2.根據權利要求1所述一種基于多尺度特征連接卷積神經網絡的入侵檢測方法，其特征是，步驟1中，總數據D和剩余數據集中的數據均為無標簽數據。