[发明专利]一种入侵检测方法、装置及系统

权利要求书

1.一种入侵检测方法，其特征在于，包括：

对入侵数据集进行预处理，并将预处理后的入侵数据集分为测试数据集和训练数据集；

计算各入侵检测数据的各变量间的相关系数矩阵；各所述入侵检测数据包含于预处理后的入侵数据集中，所述各入侵检测数据中每条入侵检测数据均由p个变量组成，其中，p为大于3的整数；

计算所述相关系数矩阵的特征根和特征向量；

在所述入侵检测数据变量中选取m个主成分变量，并根据所述特征根和所述特征向量获取因子载荷矩阵，所述因子载荷矩阵为p×m的矩阵；其中，m为小于p的整数；

计算各因子的方差贡献，并累计所有所述因子的方差贡献率；各所述因子为所述因子载荷矩阵中的元素；

根据预设贡献率阈值，在所述因子载荷矩阵中选取前K个所述因子为公共因子，并使用所述公共因子的线性组合表示所述训练数据集，即获取降维简化后的入侵数据集，也即获得降维简化后的测试数据集和训练数据集；其中，K为小于m的整数；

将所述降维简化后的训练数据集输入到神经图灵机模型中进行训练，获取因子分析神经图灵机入侵检测模型；

将所述降维简化后的测试数据集输入到所述因子分析神经图灵机入侵检测模型进行检测，获取数据分类结果，以便完成对所述入侵数据集的入侵检测。

2.根据权利要求1所述的一种入侵检测方法，其特征在于，在将所述降维简化后的训练数据集输入到神经图灵机模型中进行训练，获取因子分析神经图灵机入侵检测模型之后；还包括：

对所述因子分析神经图灵机入侵检测模型进行迭代优化。

3.根据权利要求2所述的一种入侵检测方法，其特征在于，对所述因子分析神经图灵机入侵检测模型进行迭代优化，包括：

将所述因子分析神经图灵机入侵检测模型沿时间步传播，从当前时间步开始，计算每一个时间步的误差项并将所述误差项向上一层传播；

根据所述误差项计算每个权重的梯度；

根据所述梯度更新各层权重，并筛选所述因子分析神经图灵机入侵检测模型的参数组合，以便实现所述因子分析神经图灵机入侵检测模型进行迭代优化。

4.根据权利要求1所述的一种入侵检测方法，其特征在于，在根据预设贡献率阈值，在所述因子载荷矩阵中选取前K个所述因子为公共因子，并使用所述公共因子的线性组合表示所述入侵数据集之后，还包括：

判断所述公共因子的典型代表变量是否突出，获取判断结果；

若所述判断结果为不突出，则对所述公共因子进行因子旋转。

5.根据权利要求1所述的一种入侵检测方法，其特征在于，对入侵数据集进行预处理，包括：

对所述入侵数据集中各数据的字符型特征进行数值化；

对所述入侵数据集中各数据的特征进行归一化。

6.根据权利要求1所述的一种入侵检测方法，其特征在于，将所述降维简化后的测试数据集输入到所述因子分析神经图灵机入侵检测模型包括：

将所述降维简化后的测试数据集通过擦除操作和添加操作输入到所述因子分析神经图灵机入侵检测模型。