[发明专利]一种基于机器学习的入侵检测系统规则匹配优化方法

权利要求书

1.一种基于机器学习的入侵检测系统规则匹配优化方法，其特征在于，包括：机器学习构建模块、机器学习数据训练、机器学习预测和排序模块；利用机器学习周期构建模块持续学习入侵检测系统历史告警，周期性构建机器学习数据训练集；机器学习预测模块在网络报文进入检测引擎阶段二后，对拣选好的预匹配规则序列进行实时预测，输出预匹配规则库序列的命中概率；根据命中概率对预匹配规则进行逆排序，使得入侵检测系统优先遍历命中概率最高的预匹配规则。

2.根据权利要求1所述的一种基于机器学习的入侵检测系统规则匹配优化方法，其特征在于，所述一种基于机器学习的入侵检测系统规则匹配优化方法具体包括如下步骤：

步骤1：网络报文接入入侵检测系统

步骤2：入侵检测系统针对报文规则生成预匹配规则序列；

步骤3：机器学习预测模块获机器学习数据训练集，如机器学习数据训练集为空则进入步骤6；

步骤4：机器学习预期模块根据机器学习数据训练集计算预匹配规则命中概率；

步骤5：规则排序模块根据命中概率，对预匹配规则进行实时逆排序；

步骤6：入侵检测系统遍历预匹配规则与报文进行匹配检测；

步骤7：机器学习周期构建模块收集入侵检测系统检测结果，定时构建机器学习数据训练集；

步骤8：循环步骤1直至程序结束。

3.根据权利要求1所述的一种基于机器学习的入侵检测系统规则匹配优化方法，其特征在于，所述所述步骤4中的规则命中概率取值范围为：0％-100％。

4.根据权利要求1所述的一种基于机器学习的入侵检测系统规则匹配优化方法，其特征在于，所述步骤5中的排序算法选用快速排序算法。

5.根据权利要求1所述的一种基于机器学习的入侵检测系统规则匹配优化方法，其特征在于，所述步骤7中的定时构建机器学习数据训练集时间间隔设定为24小时。