[发明专利]一种基于条件的能量生成对抗网络的网络攻击恢复方法

权利要求书

1.一种级联式基于条件的能量生成对抗网络的网络攻击恢复方法，其特征在于，包括：

步骤1，将流量数据中表示为传感器测量值作为输入，对基于条件的生成对抗网络进行训练，并用训练好的模型生成特征数据；

步骤2，将步骤1中训练好的基于条件的生成对抗网络生成的特征数据作为额外信息与随机噪声拼接作为输入，训练基于条件的能量生成对抗网络，当训练轮数大于一定的阈值后利用自适应决策策略比较生成器生成的测量值以及鉴别器重构的测量值之间的均方误差，选择最佳的恢复测量值的方法作为最终的恢复测量值的手段；

步骤3，利用恢复数据与真实数据间的绝对误差对恢复效果进行评价，并统计不同模型训练相同大小的数据集所需的时间和所需占用的空间，并利用这些指标衡量不同模型之间恢复性能的差异。

2.根据权利要求1所述的一种级联式基于条件的能量生成对抗网络的网络攻击恢复方法，其特征在于，所述步骤1中将流量数据中表示为传感器测量值作为输入具体包括：

步骤11，将流量中的传感器测量值存储为csv文件：在该过程中，传统的网络流量数据中的数据域部分将被转换为csv文件以满足神经网络的输入需求；我们从中筛选出表示传感器测量值得字节，并依据相应的转换规则得到相应的十进制数值；转换规则是将流量数据中数据域部分的十六进制数转换为二进制，再根据IEEE754标准将对应的二进制数转换为对应的浮点数保存在csv文件中；

步骤12，区分数据是否异常并打上对应的标签：为了使模型在训练时具有一定的目标导向，因此将上一步处理后的流量信息按时间进行排序，并根据数据是否异常打上对应的代表正常或是攻击的标签，之后本文将代表数据是否异常的标签作为先验知识同所得到的数据一起输入训练。

3.根据权利要求1所述的一种级联式基于条件的能量生成对抗网络的网络攻击恢复方法，其特征在于，所述步骤1中基于条件的生成对抗网络进行训练，并用训练好的模型生成特征数据具体包括：

步骤13，构建基于条件的生成对抗网络：由于构建符合物理系统行为特征的观测器和参数估计器需要详细了解系统的运行情况，并根据具体情况设置相应的参数，而且有许多未知因素会影响系统行为；因此，当输入数据受到干扰时，我们得到的输出可能是一个与系统的行为特征毫无关系的结果；基于条件的生成对抗网络能够对任意的输入产生有相关意义的数据，从而克服这个缺点；同时为了尽可能节省模型训练所需时间，本发明在设计基于条件的生成对抗网络模型时全部使用全连接层，并减少全连接层的层数和每一层的单元数来减少保存模型时会造成的存储损失；

步骤14，训练鉴别器：将步骤11所得到的数据以及步骤12中得到的数据标签按照批量进行封装，并在训练模型阶段将数据和标签拼接起来，以此作为输入数据送入步骤13所构造的鉴别器中；

步骤15，训练生成器：根据训练过程中的批量随机生成噪声，并与代表虚假数据含义的标签拼接起来，以此作为输入数据送入步骤3所构造的生成器中；

步骤16，判断生成器的循环次数：在训练阶段，会将从csv文件中读取的数据按照批量进行封装，并根据每一批中正常数据的数量对基于条件的生成对抗网络中的生成器在每一轮中的循环次数进行控制，从而可以使生成器更快速高效的提取数据特征；

步骤17，输出生成特征：在训练结束后，将生成器生成的恢复数据作为系统正常运行时的数据特征。

4.根据权利要求1所述的一种级联式基于条件的能量生成对抗网络的网络攻击恢复方法，其特征在于，所述步骤2中利用训练好的基于条件的生成对抗网络生成的特征数据作为额外信息与随机噪声拼接作为输入具体包括：

步骤21，利用基于条件的生成对抗网络得到的数据特征作为额外信息来约束模型的拟合方向：基于条件的生成对抗网络生成的特征数据能够反映出系统正常运行时传感器测量值的大致特征范围，以此作基于条件的能量生成对抗网络的生成器的额外信息。