[發明專利]一種基于改進卷積神經網絡的網絡入侵檢測方法

在審

• 申請號: 202010044972.6
• 申請日: 2020-01-16
• 公開（公告）號: CN111275165A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 潘甦;王健
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于改進卷積神經網絡的網絡入侵檢測方法，其特征在于，包括以下步驟：

(1)將經過預處理的數據輸入雙通道卷積神經網絡，進行特征提取：以雙通道為背景，計算上下兩通道卷積輸出；以雙通道背景，計算上下兩通道池化的輸出；

(2)處理兩通道末尾特征融合；

(3)將經過處理完的特征向量，進行PCA降維壓縮；將經過PCA降維后的特征輸入全連接層，最后經過softmax分類器，轉化為網絡入侵的多分類結果；

(4)根據新型雙通道卷積神經網絡架構，優化模型超參數：前向傳遞階段，計算模型輸出結果；反向傳播階段，調整模型權重。

2.根據權利要求1所述的一種基于改進卷積神經網絡的網絡入侵檢測方法，其特征在于，步驟(1)所述的雙通道卷積神經網絡上通道和下通道的結構一樣，包含兩層卷積和兩層池化；所述上通道和下通道的卷積核設置不相同。

3.根據權利要求1所述的一種基于改進卷積神經網絡的網絡入侵檢測方法，其特征在于，所述步驟(1)實現過程如下：

卷積過程表示為,

其中，L表示新型CNN的層數，設定第i層上通道輸出特征矩陣M_i，第i層下通道輸出特征矩陣N_i(M₀＝N₀＝x),x是經過預處理數據集NSL-KDD的特征矩陣；w_i表示第i層上通道卷積核的權重向量，W_i表示第i層下通道卷積核的權重向量代表卷積運算，b_i表示第i層上通道偏置向量，B_i表示第i層下通道偏置向量，f(x)表示激活函數，卷積層通過不同的濾波器對特征矩陣M_i和N_i進行卷積提取不同的特征信息；

池化過程表示為：

其中，sampling(x)表示池化方式選擇，上下通道均選擇最大池化，壓縮卷積運算提取的特征。

4.根據權利要求1所述的一種基于改進卷積神經網絡的網絡入侵檢測方法，其特征在于，所述步驟(2)實現過程如下：

輸入經過兩個并聯的卷積池化過程，再將經過卷積過程提取的特征融合處理，將上下兩通道卷積池化處理提取的特征連接到一個長特征向量：

X＝[M_j，N_j]

其中，j表示最后一次池化的層數，M_j和N_j是經過最后一次池化降維的特征矩陣，將他們按行展開，形成新的特征向量X。

5.根據權利要求1所述的一種基于改進卷積神經網絡的網絡入侵檢測方法，其特征在于，步驟(4)所述的模型權重調整通過將模型輸出的結果y_t與實際數據集中的結果y的差，按照最小化誤差，采用隨機梯度下降法調整全連接中的權值系數，直至模型收斂。