[发明专利]基于加权距离度量以及矩阵分解的入侵检测方法及装置

摘要

本发明适用于信息安全技术领域，提供了一种基于加权距离度量以及矩阵分解的入侵检测方法及装置，所述方法包括对原始数据集进行预处理，获得高维向量组；基于随机梯度下降的矩阵分解算法对获得的所述高维向量组进行降维处理，获得低维向量组；对获得的所述低维向量组进行加权闵可夫斯基距离度量；基于所述加权闵可夫斯基距离度量和预定的聚类算法对预处理后的数据集进行检测，获得检测结果。通过本发明，可有效解决现有技术没有考虑整个数据集的特性以及各数据集属性之间量纲的差异，对噪声数据敏感，导致检测效果较差的问题。

主权项

一种基于加权距离度量以及矩阵分解的入侵检测方法，其特征在于，所述方法包括：对原始数据集进行预处理，获得高维向量组；基于随机梯度下降的矩阵分解算法对获得的所述高维向量组进行降维处理，获得低维向量组；对获得的所述低维向量组进行加权闵可夫斯基距离度量；基于所述加权闵可夫斯基距离度量和预定的聚类算法对预处理后的数据集进行检测，获得检测结果；所述对原始数据集进行预处理包括：对原始数据集中的连续型数据点，将其数据取值从[min，max]映射到[0，1]区间；对原始数据集中的非数值型数据点，将其离散化后，通过编码映射成数值，或者直接在所述距离度量中进行比较；所述基于所述加权闵可夫斯基距离度量和预定的聚类算法对预处理后的数据集进行分析，获得分析结果包括：根据预处理后的数据集随机生成多个质心；基于所述加权闵可夫斯基距离度量，计算预处理后的数据集中每个数据点与各质心的距离；将所述数据点分配到距离其最近的质心所属的簇中；将分配后的簇按照其包含的数据点的个数进行排序，将簇中数据点的个数最大的簇判定为正常簇，其余的簇判定为异常簇。