[发明专利]一种基于对抗自编码器的网络入侵检测方法、系统及介质

权利要求书

1.一种基于对抗自编码器的网络入侵检测方法，其特征在于，包括：

S101，将网络流量数据输入训练好的对抗自编码器进行降维以得到低维度的数据特征；

S102，将所述数据特征输入训练好的分类器，得到网络流量数据对应的入侵检测结果。

2.根据权利要求1所述的基于对抗自编码器的网络入侵检测方法，其特征在于，所述对抗自编码器包括自动编码器和生成对抗网络，所述自动编码器包括编码器和解码器，编码器用于将输入的网络流量数据x进行编码生成低维度的编码向量h以作为解码器的输入及对抗自编码器输出的低维度的数据特征，所述解码器用于在训练阶段对低维度的编码向量h进行解码得到重构样本z，以根据网络流量数据x、重构样本z之间的重建误差优化获得自动编码器的网络参数的最优值以减少网络流量数据x及其重构样本z之间的重建误差；所述生成对抗网络包括生成器G和判别器D，所述生成器G用于在训练阶段根据输入的随机噪声Z合成假样本以用于训练分类器，所述判别器D用于在训练阶段对输入的假样本以及生成假样本的网络流量数据x所对应分类标签y以判断假样本是来自生成器G还是真实数据以优化生成器G的网络参数来获得生成器G的网络参数最优值。

3.根据权利要求2所述的基于对抗自编码器的网络入侵检测方法，其特征在于，所述自动编码器中编码器的函数表达式为：

h＝f(x)＝A(Wx+b)，

所述自动编码器中解码器的函数表达式为：

z＝g(h)＝g(f(x))＝A′(W′f(x)+b′)，

其中，h表示低维度的编码向量，f(x)表示编码器的编码函数f对网络流量数据x的编码结果，A表示编码器的激活函数，W表示编码器的权重矩阵，b表示编码器的偏置；z表示重构样本，g(h)表示解码器的解码函数g对低维度的编码向量h的解码结果，A′表示解码器的激活函数，W′表示解码器的权重矩阵，b′表示解码器的偏置。

4.根据权利要求3所述的基于对抗自编码器的网络入侵检测方法，其特征在于，所述网络流量数据x及其重构样本z之间的重建误差的计算函数表达式为：

Loss(x，z)＝||x-z||²，

上式中，Loss(x，z)表示自动编码器在训练阶段使用的损失函数，x表示网络流量数据，z为重构样本。

5.根据权利要求4所述的基于对抗自编码器的网络入侵检测方法，其特征在于，所述生成对抗网络在训练阶段时，判别器D所采用的目标函数为：

生成对抗网络所采用的目标函数为：

其中，D(x)表示判别器D对网络流量数据x的判别结果，P_r表示网络流量数据x的真实样本分布，P_g表示假样本分布，G(x)为生成器G对网络流量数据x生成的假样本，D(G(x))表示判别器D对G(x)的判别结果，表示网络流量数据x的真实样本分布范围内的期望值，表示网络流量数据x的假样本分布范围内的期望值，min为取最小值，max为取最大值。

6.根据权利要求2所述的基于对抗自编码器的网络入侵检测方法，其特征在于，步骤S101之前还包括对自动编码器和生成对抗网络进行共同训练：

S201，通过作为训练样本的网络流量数据x训练自动编码器以减少解码器的重建误差；

S202，通过训练好的解码器建立作为真实训练样本的低维度的编码向量h，首先固定生成器G的网络参数，向判别器D输入低维度的编码向量h的真实训练样本和生成器G生成的假样本，训练判别器D的分辨能力并更新判别器D的网络参数；然后固定判别器D的网络参数，使用生成器G对输入的随机噪声Z生成的假样本最大程度的接近真实训练样本以欺骗判别器D、从而提高生成器G生成样本的能力并更新生成器G的网络参数。

7.根据权利要求6所述的基于对抗自编码器的网络入侵检测方法，其特征在于，所述随机噪声Z为指定的先验分布，所述指定的先验分布为随机分布、单一高斯分布、高斯混合分布和瑞士卷分布中的一种。