[發明專利]一種基于深度殘差哈希網絡的入侵檢測方法

在審

• 申請號: 202010429732.8
• 申請日: 2020-05-20
• 公開（公告）號: CN111614665A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 李兆玉;李珊珊;賴雪梅;馬樞清
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，包括以下步驟：

S1、對原始數據進行預處理，原始數據包括歷史數據和待檢測數據；

S2、根據預處理之后的原始數據構建屬性特征圖；

S3、構建深度殘差哈希網絡，并將原始數據輸入該網絡，分別得到歷史數據的哈希值和待檢測數據的哈希值；

S4、計算待檢測數據與歷史數據哈希值之間的漢明距離，將與待檢測數據距離最近的歷史數據的檢查結果作為待檢測數據的檢測結果。

2.根據權利要求1所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，對原始數據進行預處理包括：

S11、采用獨熱編碼將原始數據中的符號特征轉換為數值特征；

S12、對數值特征進行標準歸一化，將每個數值歸一到[0,1]區間；

S13、利用PCA降維方法對數值特征進行降維。

3.根據權利要求1所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，構建屬性特征圖：

S21、使用三角形面積映射方法提取流量特征及屬性間的相關性信息；

S22、根據三角形面積映射方法得到的數據構建關于流量特征及屬性的矩陣；

S23、計算構建的矩陣的協方差矩陣，將該矩陣作為流量數據的屬性特征圖。

4.根據權利要求3所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，使用三角形面積映射方法提取流量特征及屬性間的相關性信息的過程包括：

若待檢測數據為X＝{x₁,x₂,...,x_n}，若第i個待檢測數據x_i包括m維流量，則x_i表示為：其中表示第i個流量記錄中的第j個屬性特征，將待檢測數據x_i投影到二維空間中，構造三角形，表示為如圖1所示，三角形由O、三點構成，O為投影的二維坐標系原點。

5.根據權利要求3所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，獲取三角形面積矩陣的過程包括：

計算待檢測數據中由與構成的三角形的面積可以表示為：

若i＝j時，則面積為0，三角形面積矩陣表示為：

其中，為第i個待檢測數據x_i基于三角形面積映射方法獲取的矩陣；表示三角形的直角邊長。

6.根據權利要求3所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，屬性特征圖表示為：

其中，C_ij＝Cov(c_i,c_j),i,j＝1,2,…n.C_ij為x_i基于三角形面積映射方法獲取的矩陣中任意兩個元素c_i與c_j的協方差。

7.根據權利要求1所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，深度殘差哈希網絡的構建方式為：

S31、構建殘差模塊，用于計算神經網絡分類的損失和量化誤差損失；

S32、構建哈希函數層，由全連接層、激活層、閾值化層構成，將輸入的屬性特征進行二值化變換；

S33、將殘差模塊、哈希函數層、池化層以及全連接層進行級聯，構建深度殘差哈希網絡；

S34、輸入歷史數據對深度殘差哈希網絡進行訓練，訓練過程中計算神經網絡分類的損失和量化誤差損失，并優化深度殘差哈希網絡的網絡參數。

8.根據權利要求8所述的一種基于深度殘差哈希網絡的入侵檢測方法，其特征在于，殘差模塊包括第一殘差子模塊、第二殘差子模塊，第一殘差子模塊包括兩個層結構，每層結構依次包括歸一化層、卷積層和ReLu激活層；第二殘差子模塊包括三層結構，每層結構依次包括歸一化層、卷積層和ReLu激活層；第一殘差子模塊與第二殘差子模塊的由多個層結構級聯，第一殘差模子模塊和第二殘差模子模塊的輸出均為該殘差子模塊中多個層結構級聯的輸出與該殘差模塊的輸入之和，且第二殘差子模塊的輸入為第一殘差子模塊的輸出，殘差模塊的輸出為第一殘差子模塊的輸出、第二殘差子模塊的輸出和第一殘差子模塊的輸入經過零填充之后的累加和。