[发明专利]一种基于GS-DNN模型的无线传感器网络入侵检测方法及系统

权利要求书

1.一种基于GS-DNN模型的无线传感器网络入侵检测方法，其特征在于，包括以下步骤：

步骤一、获取网络特征数据集，所述网络特征数据集包括正常网络行为数据和网络攻击行为数据；并将网络特征数据集划分为训练集和测试集；

步骤二、对所述网络特征数据集进行数据预处理；

步骤三、根据数据项信息熵计算训练集和测试集的信息影响因子，根据训练集和测试集的信息影响因子计算信息影响相似比，以对预处理后的网络特征数据集进行特征筛选，获取筛选后的特征数据集；具体过程包括：

步骤三一、根据每项数据项元素出现的次数，按照下述公式计算每项数据项信息熵：

其中，j表示每项数据项元素出现的总类数；n表示每类元素出现的次数；m表示数据集数据总条数；

步骤三二、计算信息影响因子和信息影响相似比：信息影响因子表示数据集中每项数据项对标签项的影响，计算方法是数据集每列数据项信息熵与标签项信息熵的比值；信息影响相似比的计算方法为：测试集每项数据项的信息影响因子与训练集每项数据项的信息影响因子的比值；

步骤三三、对于训练集和测试集，均进行以下两步操作，第一步操作为：将信息影响因子向下取整，作为第一次网格搜索法的阈值取值的集合，计算获得所述集合中所有阈值的平均数，记为av1，使用网格搜索法遍历预处理后的训练集或测试集中每个信息影响因子，选取信息影响因子大于av1的数据项，组合成一个新的数据集，记为训练集一或测试集一；第二步操作为：将信息影响相似比向下取整，作为再次进行网格搜索法的阈值取值的集合，计算获得该集合中所有阈值的平均数，记为av2，使用网格搜索法遍历预处理后的训练集或测试集中每个信息影响相似比，选取信息影响相似比小于av2的数据项，组合成一个新的数据集，记为训练集二或测试集二；

步骤三四、将训练集一和训练集二合并获得筛选后的特征训练集、测试集一和测试集二合并获得筛选后的特征测试集；

步骤四、将筛选后的特征数据集输入到基于深度神经网络的网络入侵检测模型中进行训练，获取训练好的网络入侵检测模型；

步骤五、将经过预处理后的待检测网络数据输入训练好的网络入侵检测模型中，获取检测结果。

2.根据权利要求1所述的一种基于GS-DNN模型的无线传感器网络入侵检测方法，其特征在于，步骤一中所述网络特征数据集为UNSW-NB15数据集，去除其原始标签特征Label，将特征数据项attack_cat作为标签。

3.根据权利要求2所述的一种基于GS-DNN模型的无线传感器网络入侵检测方法，其特征在于，所述预处理包括：将非数字型的数据项进行数值化处理；将浮点型数据项转换为整数。

4.根据权利要求3所述的一种基于GS-DNN模型的无线传感器网络入侵检测方法，其特征在于，步骤二中所述预处理还包括：对数值化处理后的特征数据项attack_cat进行独热编码。

5.根据权利要求3或4所述的一种基于GS-DNN模型的无线传感器网络入侵检测方法，其特征在于，将浮点型数据项转为整数的方法为：若特征值大于10000，则按照下述公式计算：

若特征值小于1，则按照下述公式计算：

式中，O^l表示O^l-1转换后的整数；O^l-1表示待转换的浮点数，表示上取整，表示下取整。