[发明专利]一种基于概率神经网络的IPv6入侵检测方法

摘要

本发明涉及IPv6网络中入侵数据的检测，具体为一种基于概率神经网络的IPv6入侵检测方法。该方法包括以下步骤：第一步：获取数据并进行预处理：获取作为训练样本，用来构建概率神经网络的模型；第二步：提取训练样本特征值；第三步：选择有用的字段；第四步：有用的字段进行归一化处理，把所有数据都转化为[O，1]之间的数值；第五步：构建PNN概率神经网络，归一化处理后的数据供PNN概率神经网络训练，经过训练从而调节好PNN概率神经网络的参数；第六步：训练好的概率神经网络用于入侵检测。本发明不仅填补了将PNN应用于IPv6网络入侵检测的空白，而且有效解决了BP神经网络在入侵检测应用中收敛速度慢、误判率高的问题。

主权项

一种基于概率神经网络的IPv6入侵检测方法，其特征在于包括以下步骤：第一步：获取数据并进行预处理：利用IPv6 网络攻击测试工具模拟攻击，选择攻击数据作为入侵行为数据，在网络中捕获攻击报文，再获取正常数据，捕获网络中的报文，从上述数据中分别随机抽取组成一组数据，作为训练样本，用来构建概率神经网络的模型；第二步：提取训练样本特征值；第三步：对于特征值中特征差别不明显的字段予以剔除，选择有用的字段；第四步：利用最大最小法将特征值中选出的有用的字段进行归一化处理，把所有数据都转化为[O，1]之间的数值，取消各维数据间的数量级差别；第五步：构建PNN概率神经网络，归一化处理后的数据供PNN概率神经网络训练，经过训练从而调节好PNN概率神经网络的参数，然后将调整好的参数交给概率神经网络分类模块使用；第六步：将待检测的数据提取出特征值，输入训练好的概率神经网络，概率神经网络输出待检测的数据类型。