[发明专利]一种基于多经验核学习的网络入侵检测方法

摘要

本发明公开了一种基于多经验核学习的网络入侵检测方法。包括通过对预处理后的不平衡网络入侵检测样本进行学习，得到万有引力平衡的正负类样本的中点样本及所述中点样本的近邻样本；所述万有引力平衡的正负类样本的中点样本及其近邻样本与多经验核学习相结合，分别在每个核空间生成两个正则化项，其中万有引力平衡的正负类样本的中点样本对应的生成的正则化项用于拟合分类边界，而其近邻样本用于扰动和修正分类边界的形成。最后通过将每个核空间的分类结果进行投票，得到测试样本最终的类别，从而判别样本是否为网络攻击样本。本发明通过结合万有引力近邻模型与多核学习算法，能够有效地解决不平衡的网络攻击问题。

主权项

1.一种基于多经验核学习的网络入侵检测方法，其特征在于，所述网络入侵检测方法包括以下步骤：1)预处理：通过网络工具获取网络入侵的数据集，将采集的数据集的特征转为数据矩阵,并对所有离散特征进行one‑hot转换；2)训练第一步：对一个包括正、负类样本的不平衡网络入侵数据的训练样本集进行学习，得到万有引力平衡的样本GBMS及其近邻样本NNB；3)训练第二步：将训练样本和得到的GBMS和NNB样本进行多经验核映射，得到多个核空间中的训练样本、GBMS和NNB样本；4)训练第三步：利用每个核空间映射后的GBMS和NNB样本，分别生成两个正则化项，并代入多经验核学习的目标函数中；5)训练第四步：对所述目标函数进行求解，得到并记录最终的判定函数；6)测试第一步：对于待检测的样本，利用与训练过程同样的多经验核函数进行核映射。7)测试第二步：利用所述的判定函数对映射后的待检测样本进行预测，并将多个核空间的结果进行投票，将待检测样本判定为得到投票数最多的类别。