[发明专利]网络入侵检测方法和装置

说明书

本申请提出一种网络入侵检测方法和装置，该网络入侵检测方法包括：获取待检测流量的特征向量；采用深度神经网络对所述特征向量进行检测，确定所述待检测流量属于的网络入侵类别，其中，所述深度神经网络是对训练数据进行训练后生成的，所述训练数据包括：正常样本的特征向量和攻击样本的特征向量，所述攻击样本包括：原始攻击样本，以及，对所述原始攻击样本添加噪声后的样本。该方法能够增加对未知攻击的识别能力，以及增加对已知攻击的范化能力。

技术领域

本申请涉及网络安全技术领域，尤其涉及一种网络入侵检测方法和装置。

背景技术

入侵检测系统(Intrusion Detection System，IDS)是一种网络安全设备或应用软件，可以对网络传输进行即时监视，在发现可疑传输时发出警报或者采取主动反应措施。

IDS的核心功能是入侵检测技术，入侵检测技术是发现违反安全策略的网络传输。同时入侵检测技术也广泛应用于入侵防御系统(Intrusion Prevention System，IPS)和下一代防火墙(Next generation firewall，NGFW)等网络安全产品之中。

现有入侵检测技术主要分为几类：简单模式匹配、状态模式匹配、基于协议解码的签名、启发式签名等。这些技术的共同特点是要事先了解攻击，针对每种攻击开发出特定的签名，入侵检测技术主要是高效的在数据流上做签名匹配。因此，现有技术存在两个比较明显的缺陷：一、对未知的攻击缺乏防御能力；二、对已知攻击识别的范化能力不足，黑客通过已知攻击变换一些攻击上的细节和流程很容易绕过检测。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的一个目的在于提出一种网络入侵检测方法，该方法可以增加对未知攻击的识别能力，以及增加对已知攻击的范化能力。

本申请的另一个目的在于提出一种网络入侵检测装置。

为达到上述目的，本申请第一方面实施例提出的网络入侵检测方法，包括：获取待检测流量的特征向量；采用深度神经网络对所述特征向量进行检测，确定所述待检测流量属于的网络入侵类别，其中，所述深度神经网络是对训练数据进行训练后生成的，所述训练数据包括：正常样本的特征向量和攻击样本的特征向量，所述攻击样本包括：原始攻击样本，以及，对所述原始攻击样本添加噪声后的样本。

本申请第一方面实施例提出的网络入侵检测方法，通过采用深度神经网络检测网络入侵类别，可以利用深度神经网络对复杂模式的表述能力强的优点，从而可以识别出复杂攻击，另外，深度神经网络在训练时采用的训练数据包括增加噪声后的攻击样本的特征向量，因此可以增加对未知攻击的识别能力，以及增加对已知攻击的范化能力。

为达到上述目的，本申请第二方面实施例提出的网络入侵检测装置，包括：获取模块，用于获取待检测流量的特征向量；检测模块，用于采用深度神经网络对所述特征向量进行检测，确定所述待检测流量属于的网络入侵类别，其中，所述深度神经网络是对训练数据进行训练后生成的，所述训练数据包括：正常样本的特征向量和攻击样本的特征向量，所述攻击样本包括：原始攻击样本，以及，对所述原始攻击样本添加噪声后的样本。

本申请第二方面实施例提出的网络入侵检测装置，通过采用深度神经网络检测网络入侵类别，可以利用深度神经网络对复杂模式的表述能力强的优点，从而可以识别出复杂攻击，另外，深度神经网络在训练时采用的训练数据包括增加噪声后的攻击样本的特征向量，因此可以增加对未知攻击的识别能力，以及增加对已知攻击的范化能力。