[發明專利]一種網絡入侵檢測模型的訓練方法和裝置

有效

• 申請號: 202010579655.4
• 申請日: 2020-06-23
• 公開（公告）號: CN111741002B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 柳毅;溫纖纖;歐毓毅;羅玉;李斯
• 申請（專利權）人: 廣東工業大學
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 黃忠

1.一種網絡入侵檢測模型的訓練方法，其特征在于，包括：

獲取訓練集，所述訓練集中的訓練樣本包括網絡特征數據和所述網絡特征數據對應的攻擊屬性標簽；

將所述訓練樣本中的所述網絡特征數據和所述網絡特征數據對應的攻擊屬性標簽輸入至第一卷積神經網絡，使得所述第一卷積神經網絡對所述網絡特征數據和所述網絡特征數據對應的攻擊屬性標簽進行擬合，輸出所述網絡特征數據的攻擊屬性標簽對應的第一卷積神經網絡參數；

將所述網絡特征數據和所有所述攻擊屬性標簽輸入至第二卷積神經網絡，使得所述第二卷積神經網絡對所述網絡特征數據與各個所述攻擊屬性標簽進行擬合，輸出各個所述攻擊屬性標簽對應的第二卷積神經網絡參數；

在所有所述攻擊屬性標簽對應的第二卷積神經網絡參數中選擇一個第二卷積神經網絡參數作為所述第二卷積神經網絡的最佳網絡參數；

比較所述第二卷積神經網絡的最佳網絡參數對應的所述攻擊屬性標簽與所述第一卷積神經網絡參數對應的所述攻擊屬性標簽，基于比較結果對所述第二卷積神經網絡的最佳網絡參數賦予獎勵值；

基于所述獎勵值、所述第一卷積神經網絡參數、所述第二卷積神經網絡的最佳網絡參數和預置誤差函數計算誤差值；

基于所述誤差值更新所述第一卷積神經網絡參數；

每迭代預置數量的所述訓練樣本后，將所述第一卷積神經網絡參數復制給所述第二卷積神經網絡進行參數更新，直至迭代的所述訓練樣本數量達到預設數量，將參數更新后的所述第二卷積神經網絡作為網絡入侵檢測模型進行輸出。

2.根據權利要求1所述的網絡入侵檢測模型的訓練方法，其特征在于，所述預置誤差函數為：

其中，L_loss為誤差值，q_t為迭代的第t個訓練樣本對應的第一卷積神經網絡參數，為迭代的第t個訓練樣本對應的第二卷積神經網絡的最佳網絡參數，E為單位矩陣，E的維度與的維度相同，R為累積獎勵值，r_t為第t個訓練樣本的獎勵值，γ∈[0,1]，為折扣因子，n為迭代的訓練樣本數。

3.根據權利要求1所述的網絡入侵檢測模型的訓練方法，其特征在于，所述將參數更新后的所述第二卷積神經網絡作為網絡入侵檢測模型進行輸出，之后還包括：

將獲取的待檢測網絡特征數據輸入至所述網絡入侵檢測模型，輸出所述待檢測網絡特征數據對應的網絡入侵檢測結果。

4.根據權利要求1所述的網絡入侵檢測模型的訓練方法，其特征在于，所述在所有所述攻擊屬性標簽對應的第二卷積神經網絡參數中選擇一個第二卷積神經網絡參數作為所述第二卷積神經網絡的最佳網絡參數，包括：

基于ε-greed策略，在所有所述攻擊屬性標簽對應的第二卷積神經網絡參數中選擇一個第二卷積神經網絡參數作為所述第二卷積神經網絡的最佳網絡參數。

5.根據權利要求1所述的網絡入侵檢測模型的訓練方法，其特征在于，所述基于所述誤差值更新所述第一卷積神經網絡參數，包括：

基于所述誤差值，按照隨機梯度下降法更新所述第一卷積神經網絡參數。