[发明专利]一种高精度的网络入侵检测系统

说明书

一种高精度的网络入侵检测系统，包括数据采集模块、数据存储模块、数据预处理模块、网络入侵检测模块和报警模块，所述数据采集模块用于实时获取网络统计数据，所述数据存储模块用于对获取的网络统计数据进行存储，所述数据预处理模块用于提取所述网络统计数据的特征向量，所述网络入侵检测模块采用神经网络算法对所述特征向量进行检测，确定所述网络统计数据属于的网络入侵类别，所述报警模块用于当检测到存在网络入侵行为时即发出警报信息。本发明有益效果为：采用神经网络建立网络入侵检测模型，并采用改进的蝙蝠算法对神经网络中的参数进行优化，从而提高了系统的网络入侵检测率和系检测精度。

技术领域

本发明创造涉及网络安全领域，具体涉及一种高精度的网络入侵检测系统。

背景技术

网络入侵检测系统是网络深层防卫系统的重要组成部分，它通过检测和分析网络流量和系统日志等有关审计数据，以判断系统中是否有违背安全策略或计算机系统安全行为。网络入侵检测系统从一定程度上可以认为是一个数据分类问题，并且所处理的分类数据十分复杂，人工智能算法是解决这类问题的较好选择，其中神经网络因其具有自组织、自学习和容错能力强等优势，在网络入侵检测中得到了广泛的应用。由于神经网络算法在网络入侵检测时，很大程度上依赖于神经网络参数的设置，因此，确定合适的参数是利用神经网络算法对网络入侵进行检测的关键。

针对上述问题，本发明提供一种基于神经网络的网络入侵检测系统，采用神经网络建立网络入侵检测模型，并采用改进的蝙蝠算法对神经网络中的参数进行优化，从而提高了系统的网络入侵检测率和系检测精度。

发明内容

针对上述问题，本发明旨在提供一种高精度的网络入侵检测系统。

本发明创造的目的通过以下技术方案实现：

一种高精度的网络入侵检测系统，包括数据采集模块、数据存储模块、数据预处理模块、网络入侵检测模块和报警模块，所述数据采集模块用于实时获取网络统计数据，所述数据存储模块用于对获取的网络统计数据进行存储，所述数据预处理模块用于提取所述网络统计数据的特征向量，并将所述特征向量转换为神经网络算法能够处理的特征向量，所述网络入侵检测模块采用神经网络算法对所述特征向量进行检测，确定所述网络统计数据属于的网络入侵类别，所述报警模块用于当检测到存在网络入侵行为时即发出警报信息。

本发明创造的有益效果：提供一种基于神经网络算法的网络入侵检测系统，针对BP神经网络在网络入侵检测中存在的难题，采用蝙蝠算法对BP神经网络参数进行优化，从而提高了系统的网络入侵检测率和系检测精度，此外，通过对本发明采用的蝙蝠算法进行改进，可以实现动态平衡局部搜索和全局搜索，避免陷入局部最优，使得蝙蝠算法具有更好的收敛性。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

附图标记：

数据采集模块1；数据存储模块2；数据预处理模块3；网络入侵检测模块4；报警模块5；特征提取单元31；特征转换单元32；数据收集单元41；神经网络训练单元42；参数优化单元43；网络入侵检测单元44。

具体实施方式

结合以下实施例对本发明作进一步描述。