[发明专利]基于改进的字典学习的入侵检测方法

摘要

本发明公开了一种基于改进的字典学习的入侵检测方法，包括数据预处理步骤、稀疏特征提取步骤、数据检测步骤；首先收取标准数据集作为本方法训练集和测试集，然后用字典学习的方法对高维数据约简冗余信息以达到稀疏特征选择的目的；字典学习是一个双目标优化的复杂问题，使用分布式快速求解算法‑‑交替方向乘子法(ADMM)作为其求解框架，可以在加快大字典的训练速度的同时保证求解的精度；将提取出的具有高判别能力的稀疏特征作为机器学习分类器的输入，分类器使用支持向量机(SVM)，从而得到一个具有低复杂度、高表示能力的入侵检测模型，最终实现降低入侵检测的误报率、提高检测率、减少计算时间和存储开销。

主权项

一种基于改进的字典学习的入侵检测方法，其特征在于，包括以下步骤：步骤1、数据预处理，具体做法是：获取数据包；进行数据清理；对清理后的数据进行格式化，将非数值型数据转化为数值型数据；将取值范围不同的特征标准化，得到标准数据集；步骤2、稀疏特征提取，具体做法是：基于入侵检测大数据集训练出一个超完备冗余字典；得到最优化的稀疏表示字典；提取最佳稀疏特征；步骤3、数据检测，选择支持向量机作为分类模型，将低维的所述稀疏特征作为支持向量机分类器的输入，训练出一个基于字典学习的支持向量机入侵检测分类器，应用到所述分类模型中，完成高维数据集的入侵检测，将正常数据根据字典进行重构，异常数据停止操作并等待后续处理。