[发明专利]一种基于Plackett-Luce模型的网络入侵检测方法

权利要求书

1.一种基于Plackett-Luce模型的网络入侵检测方法，其特征在于：包括如下步骤：

步骤1：建立流量监控服务器、统计服务器、函数构建服务器和观测权重计算服务器，流量监控服务器、统计服务器、函数构建服务器和观测权重计算服务器之间通过互联网相互通信；

流量监控服务器用于监视并记录用户每天使用的网络流量数值；

步骤2：统计服务器从流量监控服务器中调取用户每天使用的网络流量数值；

根据网络流量数值的大小建立用户网络流量偏好表，网络流量偏好表用于表示用户对于网络流量数值的偏好关系，偏好关系以偏好值的形式存储在网络流量偏好表中；

步骤3：根据网络流量偏好表，统计出每次网络流量在比较中占优的次数，即网络流量占优次数；

步骤4：函数构建服务器根据统计服务器的统计结果，构建基于Plackett-Luce模型的对数似然函数，利用极大似然估计法构建迭代函数；

函数构建服务器根据网络流量占优次数计算出用户网络流量数值在网络流量数值比较中的占优概率；

步骤5：观测权重计算服务器将占优概率视为观测权重值代入步骤4得出的迭代函数，通过迭代函数得出每次网络流量的观测权重值，把观测权重值作为检测结果，将得到的观测权重值用于判断用户每天网络流量数值是否存在异常，如果异常，则认为该用户被网络入侵。

2.如权利要求1所述的一种基于Plackett-Luce模型的网络入侵检测方法，其特征在于：在执行步骤3时，所述统计服务器根据以下方法进行统计出网络流量占优次数：

步骤A1：根据网络流量数值建立一个网络流量数值矩阵，设用户集合为U＝{u₁,u₂,...,u_m}，m表示用户数，网络流量集为S＝{s₁,s₂,...,s_k}，k表示流量统计次数，网络流量数值矩阵为R＝[r_ij]_m×k，其中r_ij表示第i位用户u_i对第j次网络流量s_j的数值；

步骤A2：根据网络流量数值矩阵计算出用户对网络流量的偏好值：根据Plackett-Luce模型的排序功能，通过数值计算用户网络流量数值偏好值，偏好值pre越大则表示用户当次被网络入侵的概率更大；

步骤A3：通过比较偏好矩阵Pre内用户对网络流量的偏好值，得到每个用户对所有网络流量的偏好关系，并根据偏好值得到所有网络流量的占优次数。