[发明专利]基于类不平衡处理的网络入侵检测模型SGM-CNN

摘要

针对数据类不平衡问题，本发明提供了一种有效的基于Synthetic Minority Over‑Sampling Technique(SMOTE)和高斯混合模型(Gaussian Mixture Model,GMM)的基于数据流的网络入侵检测模型SGM‑CNN。本发明技术方案首先获取待识别的网络数据流；对数据流进行预处理，然后输入到预先建立的基于一维卷积神经网络(1D CNN)的网络入侵检测模型中，输出网络数据流的检测结果。本发明提出了一种针对大规模数据的类不平衡处理技术：SGM。SGM首先使用SMOTE对少数类样本进行过采样，然后使用GMM对多数类样本进行基于聚类的降采样，最终平衡各个类别的数据。SGM方法不仅避免了过采样造成的昂贵的时间和空间成本，而且避免了随机降采样丢失重要样本的情况，显著提高了少数类的检测率。