申请/专利权人:暨南大学
申请日:2024-02-29
公开(公告)日:2024-04-02
公开(公告)号:CN117811843A
主分类号:H04L9/40
分类号:H04L9/40;G06F18/24;G06F18/213;G06N3/0464;G06N3/048;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统,包括,获取目标网络流量数据并进行预处理,利用特征重构生成重构数据进行特征提取,获取空间特征及时间特征作为目标网络流量数据对应的流特征;构建网络入侵检测模型,利用大数据手段获取具有完备标签信息的相似数据集,进行所述网络入侵检测模型的迁移对抗训练;根据网络入侵检测模型进行目标网络流量数据的入侵检测分类,获取目标设备对应网络流量数据的历史入侵检测数据,提取入侵流量的隐式特征,进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性,能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。
主权项:1.一种基于大数据分析和自主学习的网络入侵检测方法,其特征在于,包括以下步骤:获取目标网络流量数据作为入侵检测数据并进行预处理,将预处理后的目标网络流量数据进行特征重构生成重构数据;对所述重构数据进行特征提取,获取空间特征及时间特征,将所述空间特征及时间特征进行聚合获取目标网络流量数据对应的流特征;构建网络入侵检测模型,根据所述流特征利用大数据手段获取具有完备标签信息的相似数据集,根据所述相似数据集进行所述网络入侵检测模型的迁移对抗训练;训练至损失函数收敛输出训练后的网络入侵检测模型,进行目标网络流量数据的入侵检测分类,获取目标设备对应网络流量数据的历史入侵检测数据,提取入侵流量的隐式特征,进行所述网络入侵检测模型的自主学习更新。
全文数据:
权利要求:
百度查询: 暨南大学 基于大数据分析和自主学习的网络入侵检测方法及系统
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。