[发明专利]基于核自编码器的模型训练方法、装置及存储介质

权利要求书

1.一种基于核自编码器的模型训练方法，其特征在于，包括：

通过核自编码器的编码模块，基于核PCA对样本特征进行降维处理，得到样本数据对应的隐层数据，并将所述隐层数据作为分类器的输入数据；

通过核自编码器的解码模块，基于核回归处理得到所述样本的解码数据，并将所述解码数据作为所述分类器的输出数据；

基于所述输入数据和所述输出数据，构建所述分类器的损失函数；

根据所述损失函数，对所述分类器进行训练。

2.根据权利要求1所述的基于核自编码器的模型训练方法，其特征在于，所述基于所述输入数据和所述输出数据，构建所述分类器的损失函数，包括：

计算所述输入数据和所述输出数据之间的差值；

将所述差值的模值，与正则化项相加，得到所述分类器的损失函数。

3.根据权利要求1或2所述的基于核自编码器的模型训练方法，其特征在于，所述根据所述损失函数，对所述分类器进行训练，包括：

基于正则化结构风险最小化策略，将所述损失函数的值取最小值，对所述分类器进行训练。

4.根据权利要求1所述的基于核自编码器的模型训练方法，其特征在于，所述方法还包括：

当样本特征维度大于80维时，基于核PCA对样本特征进行降维处理后的特征维度小于原特征维度的三分之一；或，

当样本特征维度小于或等于80维时，基于核PCA对样本特征进行降维处理后的特征维度小于原特征维度的二分之一。

5.根据权利要求1所述的基于核自编码器的模型训练方法，其特征在于，所述分类器用于进行网络入侵检测，所述方法还包括：

将网络流量输入所述分类器，进行网络安全入侵检测；

响应于检测到存在入侵风险，截断当前网络流量并启动相应的入侵修复方案。

6.一种基于核自编码器的模型训练装置，其特征在于，包括：

编码模块，用于通过核自编码器的编码模块，基于核PCA对样本特征进行降维处理，得到样本数据对应的隐层数据，并将所述隐层数据作为分类器的输入数据；

解码模块，用于通过核自编码器的解码模块，基于核回归处理得到所述样本的解码数据，并将所述解码数据作为所述分类器的输出数据；

构建模块，用于基于所述输入数据和所述输出数据，构建所述分类器的损失函数；

训练模块，用于根据所述损失函数，对所述分类器进行训练。

7.根据权利要求6所述的基于核自编码器的模型训练装置，其特征在于，

所述构建模块，还用于计算所述输入数据和所述输出数据之间的差值；并将所述差值的模值，与正则化项相加，得到所述分类器的损失函数。

8.根据权利要求6或7所述的基于核自编码器的模型训练装置，其特征在于，

所述训练模块，还用于基于正则化结构风险最小化策略，将所述损失函数的值取最小值，对所述分类器进行训练。

9.根据权利要求6所述的基于核自编码器的模型训练装置，其特征在于，

所述编码模块，还用于当样本特征维度大于80维时，基于核PCA对样本特征进行降维处理后的特征维度小于原特征维度的三分之一；或，当样本特征维度小于或等于80维时，基于核PCA对样本特征进行降维处理后的特征维度小于原特征维度的二分之一。

10.根据权利要求6所述的基于核自编码器的模型训练装置，其特征在于，

所述装置还包括：

所述训练模块训练的所述分类器用于进行网络入侵检测；

检测模块，用于将网络流量输入所述分类器，进行网络安全入侵检测；并且，响应于检测到存在入侵风险，截断当前网络流量并启动相应的入侵修复方案。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-5所述方法的步骤。