申请/专利权人：北京邮电大学

申请日：2023-11-21

公开（公告）日：2024-02-13

公开（公告）号：CN117278332B

主分类号：H04L9/40

分类号：H04L9/40;H04L41/14;H04L41/16;G06N3/006;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2024.01.09#实质审查的生效;2023.12.22#公开

摘要：本发明提供一种基于网络架构搜索的网络流入侵检测方法和系统，所述方法包括：在边缘物联网设备上预先部署有网络流入侵检测模型，基于所述网络流入侵检测模型对经过边缘物联网设备的流量进行分类以实现网络流入侵检测；其中，所述网络流入侵检测模型利用网络架构搜索模型构造得到，网络架构搜索模型中输入的训练数据为带标签的网络流数据集，在预先定义的搜索空间中进行搜索，并对搜索到的网络流入侵检测模型架构进行评估，所述搜索空间中包含全部可选的网络流入侵检测模型架构。本发明能够基于网络架构搜索技术在搜索空间查找轻量级的网络流入侵检测模型架构，从而部署模型在边缘物联网设备上，进行网络流入侵检测。

主权项：1.一种基于网络架构搜索的网络流入侵检测方法，其特征在于，该方法包括：在边缘物联网设备上预先部署网络流入侵检测模型，基于所述网络流入侵检测模型对经过边缘物联网设备的流量进行分类以实现网络流入侵检测；其中，所述网络流入侵检测模型利用网络架构搜索模型构造得到，网络架构搜索模型中输入的训练数据为带标签的网络流数据集，在预先定义的搜索空间中进行搜索，并对搜索到的网络流入侵检测模型架构进行评估，所述搜索空间中包含全部可选的网络流入侵检测模型架构；所述网络架构搜索模型的搜索空间的结构为单元结构，所述单元结构的单元格类型包含正常单元和约简单元，所述搜索空间的约简单元的结构通过由预设数量个汇聚节点和对流节点组成的内部有向无环图提供，以所述约简单元作为降采样，所述有向无环图中包含多个通道，所述汇聚节点通过连接过程得到输出通道，保持所述汇聚节点和输入通道数产生的通道数量一致，所述内部有向无环图的网络结构通过体系结构编码进行编码，所述体系结构编码包含输入通道数、节点的操作类型和可操作节点的个数在内的三个超参数，所述节点包含汇聚节点和对流节点；所述网络架构搜索模型基于预训练的预测器进行网络流入侵检测模型的架构评估；所述标签包含针对每个网络流入侵检测模型架构的分类错误率、每秒浮点运算次数和内存占用量中的一个或多个参数；所述网络流入侵检测模型利用网络架构搜索模型构造得到的步骤，包括：从预先定义的搜索空间中随机选择预设数量的网络流入侵检测模型架构作为训练样本集，使用端对端的随机梯度下降技术训练得到带标签的训练样本集，使用所述带标签的训练样本集对预测器进行训练；在基于网络架构搜索模型进行搜索的过程中，包含预设轮数的迭代步骤，在每一轮迭代步骤中包含预设次数的优化步骤，每一轮迭代步骤得到一个包含预设数量的网络流入侵检测模型架构的帕累托前沿，在迭代结束后将所有的帕累托前沿包含的网络流入侵检测模型架构集合起来，对集合起来的所有的网络流入侵检测模型架构进行非支配排序并选择靠前的预设数量个作为基于网络架构搜索技术得到的候选的网络流入侵检测模型架构；在每一轮迭代步骤中，从预先定义的搜索空间中随机选择预设数量的网络流入侵检测模型架构并使用端对端的随机梯度下降技术训练得到带标签的样本集，将所述带标签的样本集作为初始化种群；其中，在每一轮迭代步骤包含的第一次优化过程中，使用预训练完成的预测器对带标签的样本集中包含的预设数量的网络流入侵检测模型架构进行运算，得到包含预测处理后的预设数量的网络流入侵检测模型架构的带标签的被预测样本集，将初始化种群与所述带标签的被预测样本集混合后的结果进行非支配排序，对非支配排序的结果选择靠前的预设数量个作为当前代种群；在每一轮迭代步骤包含的非第一次优化过程中，当前代种群经过交叉变异得到当前代种群的子代，将当前代种群的子代作为带标签的样本集输入到预训练完成的预测器得到带标签的被预测样本集，将当前代种群与所述带标签的被预测样本集混合后的结果进行非支配排序，对非支配排序的结果选择靠前的预设数量个作为当前代种群；当优化次数达到预设次数，本轮迭代结束，以结束时的当前代种群作为本轮迭代的帕累托前沿。

全文数据：

权利要求：

百度查询： 北京邮电大学 基于网络架构搜索的网络流入侵检测方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD