买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明公开了一种网络入侵检测方法、装置、电子设备及存储介质，用于提高网络入侵检测的准确性。本发明包括：获取网络流量数据；对所述网络流量数据进行预处理，得到预处理数据；从所述预处理数据中提取网络特征；计算所述网络特征的重要性评分，并根据所述重要性评分确定关键特征；将所述关键特征输入预训练的深度学习模型，识别网络入侵类型。

主权项：1.一种网络入侵检测方法，其特征在于，包括：获取网络流量数据；对所述网络流量数据进行预处理，得到预处理数据；从所述预处理数据中提取网络特征；计算所述网络特征的重要性评分，并根据所述重要性评分确定关键特征；将所述关键特征输入预训练的深度学习模型，识别网络入侵类型；其中，还包括：获取历史网络流量数据；所述历史网络流量数据包括历史网络特征和对应的标签；对所述标签进行格式转换，得到数值型标签；将所述历史网络特征和对应的数值型标签拆分为训练集和测试集；将所述训练集输入预设的深度学习模型，得到分类结果；采用所述测试集验证所述分类结果的错误率；根据所述错误率调整所述深度学习模型，直至所述错误率满足预设条件，得到预训练的深度学习模型；其中，错误率的计算公式如下： 其中，Errork是第k次验证的错误率，K为验证集数；其中，所述计算所述网络特征的重要性评分，并根据所述重要性评分确定关键特征的步骤，包括：通过CatBoost算法计算所述网络特征的重要性评分；根据所述重要性评分的大小，按照从大到小的顺序从所述网络特征中提取预设数量的关键特征；采用CatBoost算法来计算网络特征的重要性评分；相关公式如下： 其中，N表示树的数量，即迭代次数，Tn表示树的标号，表示网络特征j的全局重要性； 其中，L是树的叶节点数，L-1是树的非叶节点数，并且ft是与节点t关联的功能，是节点t分裂后的平方损失的减少，减少的次数越多，拆分的收益越大，表示网络特征j在决策树中T的重要性评分；深度学习模型选择CNNInceptionV1模型，CNNInceptionV1模型通过2个由3个卷积层形成的组合层、单独卷积层、全连接层和扁平层学习数据中的复杂模式和关联；CNNInceptionV1模型的基础是其多层卷积网络结构，其中每一层卷积操作可以表示为：ai＝gwi*ai-1+bi其中，ai表示第i层的激活值，wi和bi分别是第i层的权重和偏差，g是激活函数，*表示卷积操作；之后通过softmax函数进行多分类，通过sigmoid进行二分类，得到分类结果。

全文数据：

权利要求：

百度查询： 广东工业大学 一种网络入侵检测方法、装置、电子设备及存储介质