[發(fā)明專利]針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110785175.8
• 申請日: 2021-07-12
• 公開（公告）號: CN113553581A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設計）人: 郭欣;楊洋;史建琦;黃滟鴻;佘慶;李欽;付能
• 申請（專利權）人: 華東師范大學
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06K9/62;G06T3/40
• 代理公司: 北京辰權知識產(chǎn)權代理有限公司 11619
• 代理人: 谷波

本發(fā)明公開了一種針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，包括獲取模塊，代碼讀取模塊，分類模塊，上采樣模塊，以及入侵檢測模塊，上述系統(tǒng)，在數(shù)據(jù)集構建中，通過對數(shù)據(jù)進行重采樣，消除部分類別的不平衡，另外在入侵檢測模型上進一步削減不平衡數(shù)據(jù)分類的難度，可以有效解決入侵檢測系統(tǒng)中針對不平衡數(shù)據(jù)檢測的問題，并能進一步提高保障系統(tǒng)安全的能力，做到高效智能。

技術領域

本發(fā)明主要涉及計算機技術領域，尤其涉及針對非平衡數(shù)據(jù)的入侵檢測系 統(tǒng)。

背景技術

數(shù)據(jù)不平衡是指由于數(shù)據(jù)分布的差異性，導致不同類別間的數(shù)據(jù)量存在很 大的不同。在實際應用中，對于數(shù)據(jù)不平衡的問題廣泛存在，特別是在金融欺 詐、疾病診斷等領域。數(shù)據(jù)不平衡的顯著特征是某一類數(shù)據(jù)十分容易獲得，而 部分類別的數(shù)據(jù)由于獲取的難度導致樣本十分稀少。

一般的入侵檢測系統(tǒng)需要收集大量的行為數(shù)據(jù)，模式專家進行統(tǒng)計分析發(fā) 現(xiàn)行為特征，加入標簽比對庫，或者利用數(shù)據(jù)挖掘和機器學習算法，首先對特 征進行抽象、提取，使用算法模型訓練并檢測以判斷安全性。但是上述構建方 式，十分依賴于所獲取的數(shù)據(jù)樣本，對于分布不平衡的數(shù)據(jù)，如果不進行額外 的處理，對于結果的預測將導致大的偏差。

發(fā)明內(nèi)容

為解決以上問題，本發(fā)明提出了針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，針對入 侵檢測中存在的部分數(shù)據(jù)分布不平衡的現(xiàn)象，在數(shù)據(jù)集構建中，通過對數(shù)據(jù)進 行重采樣，消除部分類別的不平衡，另外在入侵檢測模型上進一步削減不平衡 數(shù)據(jù)分類的難度，可以有效解決入侵檢測系統(tǒng)中針對不平衡數(shù)據(jù)檢測的問題， 并能進一步提高保障系統(tǒng)安全的能力，做到高效智能。

具體的，本發(fā)明提出了一種針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，包括：

獲取模塊，用于獲取數(shù)據(jù)樣本；

分類模塊，用于對所述數(shù)據(jù)樣本進行分類處理，得到少數(shù)類樣本集和多數(shù) 類樣本集；

上采樣模塊，用于使用預設采樣算法對所述少數(shù)類樣本集進行上采樣，將 上采樣得到的新數(shù)據(jù)樣本加入所述數(shù)據(jù)樣本中，構成待檢測數(shù)據(jù)；

入侵檢測模塊，用于將所述待檢測數(shù)據(jù)輸入預先訓練好的入侵檢測模型中 進行檢測，以判斷安全性。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，還包括：

模型訓練模塊，用于預先對入侵檢測模型進行訓練，得到訓練好的入侵檢 測模型，所述入侵檢測模型的訓練采用Focal Loss損失函數(shù)。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述獲取模塊包括 原始數(shù)據(jù)獲取單元和數(shù)據(jù)預處理單元。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述原始數(shù)據(jù)獲取 單元獲取原始數(shù)據(jù)；所述數(shù)據(jù)預處理單元去除所述原始數(shù)據(jù)中的無效數(shù)據(jù)和重 復數(shù)據(jù)，得到數(shù)據(jù)樣本。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述分類模塊包括 特征統(tǒng)計單元和樣本分類單元。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述特征統(tǒng)計單元 對所述數(shù)據(jù)樣本進行特征統(tǒng)計，得到相應的數(shù)據(jù)特征；所述樣本分類單元對所 述數(shù)據(jù)特征進行分類處理，得到數(shù)值屬性、序列屬性和類別屬性；根據(jù)所述類 別屬性將所有數(shù)據(jù)樣本分為少數(shù)類樣本集和多數(shù)類樣本集。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述預設采樣算法 為SMOTE采樣算法。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述上采樣模塊包 括近鄰樣本獲取單元和線性插值單元。

優(yōu)選的，如上所述的針對非平衡數(shù)據(jù)的入侵檢測系統(tǒng)，所述近鄰樣本獲取 單元對少數(shù)類樣本集中每一個樣本，以歐氏距離為標準計算每一個樣本到少數(shù) 類樣本集中所有樣本的距離，根據(jù)所述距離得到其k近鄰樣本。