[发明专利]一种基于智能算法的入侵检测方法及系统在审

专利信息
申请号: 201911135078.3 申请日: 2019-11-19
公开(公告)号: CN110912882A 公开(公告)日: 2020-03-24
发明(设计)人: 何泾沙;韩松;朱娜斐;葛加可;张胜凡;李文欣;吴霜;他永君;邓万航;许甜 申请(专利权)人: 北京工业大学
主分类号: H04L29/06 分类号: H04L29/06
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 郑朝然
地址: 100022 *** 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 智能 算法 入侵 检测 方法 系统
【说明书】:

发明实施例提供一种基于智能算法的入侵检测方法及系统。该方法包括:由待防御节点的检测器执行入侵检测,检测器基于本地网络环境中安全状态网络特征进行训练得到的;检测器基于智能算法执行快速二分类判断,判断待防御节点为安全状态或受攻击状态;由本地或云端的防御服务器执行入侵检测,防御服务器收到疑似攻击的网络数据包时,基于智能算法对网络数据包进行多分类处理;由管理员终端执行入侵检测,当管理员终端接收到报警信息时,将报警信息发送至管理员;若管理员终端接收到来自防御服务器的多分类匹配结果信息,则进行下一步防御操作。本发明实施例通过结合待防御节点、防御服务器和管理员终端进行攻击防御,最大限度提高防御时效与效率。

技术领域

本发明涉及入侵检测技术领域,尤其涉及一种基于智能算法的入侵检测方法及系统。

背景技术

在信息安全中,入侵检测是一种非常普遍的威胁检测手段。

现有技术中的入侵检测系统,是基于经验的专家系统建立起的策略型入侵检测系统,在实践中往往根据需要最新的攻击事件,提取病毒样本,指定相应的防御策略。这种方法往往会需要大量人力以及严重的滞后性。面对未知攻击不能在第一时间进行预警并相应。

多分类策略的入侵检测系统(如:基于深度学习)可以较为准确的对网络数据包进行分类并预警。但同专家系统一样,存在较为严重的滞后性,以及其在多分类的过程中分类速度大大滞后于数据包传输速率。因而,在其面对海量数据或未知攻击时都存在较大提升空间。

发明内容

本发明实施例提供一种基于智能算法的入侵检测方法及系统,用以解决现有技术中入侵检测需要依据最新的攻击事件,需要耗费大量的人力,检测的结果具有严重的滞后性等缺陷。

第一方面,本发明实施例提供一种基于智能算法的入侵检测方法,包括:

由待防御节点的检测器执行入侵检测,所述检测器是基于本地网络环境中的安全状态网络特征进行训练得到的;

所述检测器基于智能算法执行快速二分类判断,判断所述待防御节点为安全状态或受攻击状态。

优选地,所述判断所述待防御节点为受攻击状态时,具体包括:

将预警日志等信息发送至管理员终端;

将疑似攻击的网络数据包传输至云端或本地的防御服务器;

或自动执行本地预设的防御策略。

优选地,该方法还包括:

由本地或云端的防御服务器执行入侵检测,所述防御服务器收到疑似攻击的网络数据包时,基于所述智能算法对所述网络数据包进行多分类处理。

优选地,所述基于所述智能算法对所述网络数据包进行多分类处理,具体包括:

若所述多分类处理未匹配到对应的攻击类型时,则所述防御服务器将状态信息发送至管理员终端,由人工进行下一步处理;

若所述多分类处理匹配到对应的攻击类型时,则所述防御服务器执行预设的防御指令,将所述防御指令发送至所述待防御节点进行防御。

优选地,所述将所述防御指令发送至所述待防御节点进行防御,之后还包括:

所述防御服务器将类型信息与处理日志信息发送至所述管理员终端,由人工跟进核查。

优选地,该方法还包括:

由管理员终端执行入侵检测,当所述管理员终端接收到报警信息时,将所述报警信息发送至管理员;

若所述管理员终端接收到来自防御服务器的多分类匹配结果信息,则进行下一步防御操作。

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工业大学,未经北京工业大学许可,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/201911135078.3/2.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