[發明專利]一種基于嵌入式特征選擇架構的通信網絡入侵檢測方法

有效

• 申請號: 201910908004.2
• 申請日: 2019-09-25
• 公開（公告）號: CN110417823B
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 鐘少恒;萬敏;郭澤豪;王翊;林承勛;陳捷;方美明;劉智聰
• 申請（專利權）人: 廣東電網有限責任公司佛山供電局
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉俊

本發明涉及一種基于嵌入式特征選擇架構的通信網絡入侵檢測方法，所述方法包括：S1：智能體訓練：首先對待檢測通信網絡的歷史傳輸數據進行數據處理，再對嵌入式智能體進行訓練，篩選出通信數據的特征屬性，并訓練得到滿足收斂精度要求的嵌入式智能體；S2：在線監測：利用滿足訓練收斂準確率要求的嵌入式智能體，在線監測通信通道的實時傳輸數據；包括：通信通道的實時傳輸進行數據處理，再對通信網絡是否存在入侵信號進行判定，并得出判定結果。本發明引入嵌入式特征選擇方法，在智能體訓練階段通過將特性屬性辨識與檢測智能體訓練融合一體，大幅簡化了檢測智能體辨識實施流程，有效提高了檢測效率。

技術領域

本發明涉及通信網絡安全領域，更具體地，涉及一種基于嵌入式特征選擇架構的通信網絡入侵檢測方法。

背景技術

通信網絡入侵檢測是通信網絡安全領域研究的重點，其研究重點在于通過對通信網絡傳輸數據的特征屬性進行檢測，辨識異常傳輸內容，防范可能的通信網絡入侵行為。通信網絡傳輸數據的特征屬性是通信網絡入侵檢測對象，如何從通信網絡傳輸數據龐大的屬性中篩選出關鍵的特征屬性，并設計高效高精度的在線監測智能體，是通信網絡入侵檢測研究的重點。

傳統模式下，通信網絡入侵檢測往往采用包裹式特征選擇架構的特征屬性辨識方法。如圖1所示，為包裹式特征選擇結構基本流程圖。包裹式特征選擇的典型特征在于特征屬性篩選或調整、監測智能體訓練兩個步驟是兩個相對獨立的步驟。首先按照一定原則從通信網絡傳輸數據的龐大屬性庫中選擇一定比例的屬性作為特征屬性；接著基于上述屬性，利用歷史數據對檢測智能體進行訓練；最后對檢測智能體的監測效果進行判定，若滿足收斂性要求則輸出，否則返回特征屬性篩選階段，對特征屬性進行調整。

實際上，特征屬性與智能體辨識之間具有耦合特性，即所選擇的特征屬性將影響檢測智能體的訓練過程，而檢測智能體的辨識方法也取決于所選擇的特征屬性。由于包裹式特征選擇將特征屬性篩選和檢測智能體訓練兩個步驟解耦，將導致實際訓練過程中往往需要經過反復的迭代訓練，才能獲得符合檢測準確性要求的智能體和與之匹配的特征屬性。

發明內容

本發明為克服上述現有技術所述的通信網絡入侵檢測效率不夠高的缺陷，提供一種基于嵌入式特征選擇架構的通信網絡入侵檢測方法。

所述方法包括：

S1：智能體訓練：首先對待檢測通信網絡的歷史傳輸數據進行數據處理，再對嵌入式智能體進行訓練，篩選出通信數據的特征屬性，并訓練得到滿足收斂精度要求的嵌入式智能體；

S2：在線監測：利用滿足訓練收斂準確率要求的嵌入式智能體，在線監測通信通道的實時傳輸數據；包括：通信通道的實時傳輸進行數據處理，再對通信網絡是否存在入侵信號進行判定，并得出判定結果。

優選地，S1和S2中的數據處理具體為：將數據的屬性數值進行處理，結合嵌入式智能體訓練需要，可將其規范化為離散數值型數據；

所謂規范化數據是指將通信通道傳輸的數據序列中屬性值轉換為能夠用于數據分析的離散型數據的過程。一般來說通信通道中傳輸數據的屬性有三種典型的數據類型，第一種為字符型，即是以給定范圍的字符出現；第二種為連續數據型，即是在一定范圍內連續取值；第三種為離散數據型，在一定范圍內可取離散數值。本發明中針對三種類型的數據，所設計的規范化過程包括：字符轉化、標幺化、離散化三個階段；

字符轉化：對于取值為字符類型的通信網絡傳輸數據根據其字符數值對應轉化為離散化的整數值；

標幺化：將連續數值型通信網絡傳輸數據屬性，根據其取值范圍，將其轉化為0-1范圍內的數值，轉化公式可表示為：

（1）

式（1）中，為標幺化前后第i項屬性的取值，分別為取值的上下限；