[发明专利]一种网络入侵异常检测方法有效
| 申请号： | 201610306040.8 | 申请日： | 2016-05-10 |
| 公开（公告）号： | CN106060008B | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 汤健;孙春来;张健;贾美英;李东 | 申请（专利权）人： | 中国人民解放军61599部队计算所;南京信息工程大学 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06 |
| 代理公司： | 11449 北京成创同维知识产权代理有限公司 | 代理人： | 柳兴坤<国际申请>=<国际公布>=<进入 |
| 地址： | 100029 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 对于入侵检测模型构建问题，本发明提出一种新的监督非线性特征提取和正则化随机权重神经网络(RRWNN)的网络入侵异常检测方法。核偏最小二乘(KPLS)算法用于处理输入特征的共线性和复杂非线性映射。这些提取的潜在特征输入RRWNN算法用于构建具有较高学习速度和较好泛化性能的入侵检测模型。采用全局优化策略选择基于KPLS‑RRWNN的入侵检测模型的建模参数。基于KDD99数据的仿真表明了方法的有效性。 | ||
| 搜索关键词： | 一种 网络 入侵 异常 检测 方法 | ||
【主权项】：
1.一种网络入侵异常检测方法，包括：/nS100、基于当前核参数将训练样本中的输入向量通过核映射方法映射到高维特征空间获取对应的高维核矩阵，并基于核偏最小二乘方法(KPLS)提取所述高维核矩阵的全部潜在特征；/nS200、基于当前输入数据的累计方差百分比阈值从全部潜在特征中选取期望的潜在特征；/nS300、以期望的潜在特征为输入，以训练样本的输出向量为输出，根据当前随机参数的取值范围、当前隐含层节点数量和当前正则化因子，基于随机权重神经网络方法训练获取当前入侵检测模型，所述入侵检测模型包括当前随机隐含层输入权重和当前输入偏置以及当前隐含层节点数量，所述随机参数的取值范围用于限定所述随机隐含层输入权重和输入偏置的范围；/nS400、判断根据当前的核参数、累计方差百分比阈值、随机参数取值范围、隐含层节点数量和正则化因子获得的入侵检测模型的识别率是否最大，如果否，执行步骤S500，如果是，执行步骤S600；/nS500、调整当前的核参数、累计方差百分比阈值、随机参数取值范围、隐含层节点数量和正则化因子，执行步骤S100；/nS600、将当前核参数以及期望的潜在特征提取方式和当前入侵检测模型记录为选定的核参数、选定的期望潜在特征提取方式和选定的入侵检测模型；/nS700、检测获取网络特征测试样本；/nS800、基于选定的核参数、选定的期望潜在特征提取方式提取测试样本的期望的潜在特征；/nS900、根据所述测试样本的期望的潜在特征和选定的入侵检测模型计算获取网络入侵类别。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军61599部队计算所;南京信息工程大学，未经中国人民解放军61599部队计算所;南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610306040.8/，转载请声明来源钻瓜专利网。
