[发明专利]一种基于生长型分级自组织映射神经网络的入侵检测方法无效

专利信息
申请号: 201010228750.6 申请日: 2010-07-09
公开(公告)号: CN101901317A 公开(公告)日: 2010-12-01
发明(设计)人: 杨雅辉;姜电波;沈晴霓;夏敏;张英;何家胜 申请(专利权)人: 北京大学
主分类号: G06F21/00 分类号: G06F21/00;G06N3/08
代理公司: 北京君尚知识产权代理事务所(普通合伙) 11200 代理人: 邵可声
地址: 100871 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 生长 分级 组织 映射 神经网络 入侵 检测 方法
【权利要求书】:

1.一种基于生长型分级自组织映射神经网络的入侵检测方法,其步骤为:

1)从网络中采集网络数据,并对其进行特征的提取,生成神经网络能够识别的输入模式;

2)将步骤1)处理后的数据输入给已加载训练好的神经网络模型的入侵检测模块,进行

入侵检测,其中神经网络模型的训练方法为:

a)将训练样本数据集中的混合输入模式向量采用形式表示,其中表示

第j个混合输入模式向量Xj的数值类型分向量、表示Xj的字符类型分向量;

b)利用输入模式向量初始化神经网络第0层中唯一神经元的权值,并计算其量化误差qe0;其中,神经元权值包括数值型权值分量、字符型权值分量;

c)从第0层的神经元中拓展一n×m结构SOM,并将其层次标识Layer置为1;其中n、m为大于1的自然数;

d)对于第Layer层中拓展出的每一n×m结构SOM,从映射到其父神经元的混合输入模式向量构成的集合中挑选一混合输入模式向量X,并计算该SOM中每个神经元与X的距离;

e)选取该SOM中与X距离最小的神经元c,并对神经元c及其邻域内神经元的权值进行调整;如果未达到预定训练次数,则转入步骤d);

f)计算经e)调整后的该SOM中每个神经元的量化误差;

g)根据SOM中神经元的量化误差和第0层神经元的量化误差qe0,控制拓展出的SOM中神经元数目的增加和神经网络层次的拓展;

h)对第Layer层中增加了新神经元的SOM和新拓展出的Layer+1层的所有n×m结构SOM,采用步骤d)~f)对其重新进行训练,直至神经网络不再产生新的神经元和新的分层,整个训练结束;

3)检测结果处理模块根据入侵检测模块输出结果判断当前是否发生入侵,如果发生入侵,则入侵处理模块遍历攻击类型标识库,检验是否有匹配的攻击,如果有则确定攻击的类型并发出告警信息;如果没有匹配的攻击,则判断是否为新的攻击类型,如果是新的攻击类型,则把这种攻击类型加入到攻击类型标识库并发出告警信息。

2.如权利要求1所述的方法,其特征在于第0层中神经元的数值型权值分量为所有混合输入模式向量的数值类型分向量的平均值,第0层中神经元的字符类型权值分向量为所有混合输入模式向量的字符类型分向量的众数向量;所述众数向量为:对于一个形如[s1,s2,…,sn]的字符类型向量构成的集合S,其众数向量mode(S)为[mode(s1),mode(s2),…,mode(sn)],其中mode(si)表示所有向量的第i项构成的集合中出现次数最多的字符值。

3.如权利要求1或2所述的方法,其特征在于所述n×m结构SOM为2×2结构SOM。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学,未经北京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201010228750.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top