[发明专利]一种基于深度置信网络和SVM的网络攻击检测方法有效
| 申请号： | 201810832545.7 | 申请日： | 2018-07-26 |
| 公开（公告）号： | CN109194612B | 公开（公告）日： | 2021-05-18 |
| 发明（设计）人： | 唐舸轩;石波;赵磊;吴朝雄 | 申请（专利权）人： | 北京计算机技术及应用研究所 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;H04L12/24 |
| 代理公司： | 中国兵器工业集团公司专利中心 11011 | 代理人： | 张然 |
| 地址： | 100854*** | 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： | 本发明公开了一种基于深度置信网络和SVM的网络攻击检测方法，其中，包括：步骤1：构造网络攻击行为特征向量；步骤2：确定模型训练集和测试集，给数据制定标签，区分正常行为与攻击行为，并将攻击行为分类；步骤3：构建深度置信网络模型，逐层训练，提取网络攻击行为特征，并计算误差，直至收敛，再对模型的权值进行微调,得到特征向量；步骤4：将提取的特征向量作为输入参数，选择合适的SVM分类器进行训练，对网络攻击行为进行分类，构建网络攻击检测模型；步骤5：构建网络攻击行为分析模型，使用测试集测试模型准确率，计算准确率、误报率与漏报率，并将识别出的网络攻击行为作为训练数据，进行优化。 | ||
| 搜索关键词： | 一种 基于 深度 置信 网络 svm 攻击 检测 方法 | ||
【主权项】：
1.一种基于深度置信网络和SVM的网络攻击检测方法，其特征在于，包括：步骤1：构造网络攻击行为特征向量；步骤2：确定模型训练集和测试集，给数据制定标签，区分正常行为与攻击行为，并将攻击行为分类；步骤3：构建深度置信网络模型，逐层训练，提取网络攻击行为特征，并计算误差，直至收敛，再对模型的权值进行微调,得到特征向量；步骤4：将提取的特征向量作为输入参数，选择合适的SVM分类器进行训练，对网络攻击行为进行分类，构建网络攻击检测模型；步骤5：构建网络攻击行为分析模型，使用测试集测试模型准确率，计算准确率、误报率与漏报率，并将识别出的网络攻击行为作为训练数据，进行优化。
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北京计算机技术及应用研究所，未经北京计算机技术及应用研究所许可，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/201810832545.7/，转载请声明来源钻瓜专利网。
