申请/专利权人：湖北华中电力科技开发有限责任公司

申请日：2023-11-14

公开（公告）日：2024-04-16

公开（公告）号：CN117579324B

主分类号：H04L9/40

分类号：H04L9/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明提供一种基于门控时间卷积网络与图的入侵检测方法，该方法通过利用分层的门控时间卷积网络GatedTCN提取时间特征，将门控时间卷积网络GatedTCN捕获的时间特征输入到图卷积网络GCN中，以提取网络数据中的空间特征，通过使用已建立的GraphSAGE算法以及图注意力网络GAT提出一种Graph‑SAGE算法，利用可用的图信息将残差学习集成到图神经网络GNN中，加入残差连接作为一种处理高层类不平衡的策略，以保留原始信息，提高少数类的性能。本发明通过对网络流量数据进行检测，检测出数据中的攻击类型，更好的有效的提高网络入侵检测的能力。

主权项：1.一种基于门控时间卷积网络与图的入侵检测方法，其特征在于，包括如下步骤：步骤一、通过数据清洗和划分方式对网络流量数据进行预处理得到交通流数据，将交通流数据输入到构建的门控时间卷积网络GatedTCN；步骤二、利用构建的门控时间卷积网络GatedTCN从输入的交通流数据中提取时间特征并输出；步骤三、对输出的时间特征进行批量归一化操作，获得归一化后的时间特征，然后输入到构建的图卷积网络GCN；步骤四、利用图卷积网GCN从输入的归一化后的时间特征中提取空间特征，然后输入到构建的图注意力网络GAT；步骤五、利用图注意力网络GAT提取时空特征，将提取的时空特征输入到图神经网络GNN；步骤六、利用可用的图信息将残差学习集成到图神经网络GNN中，对输入的时空特征进行学习，获得新的时空特征，将新的时空特征输入到残差连接；步骤七、在GNN网络之后加入残差连接作为一种处理高层类不平衡的策略，以保留原始信息，将原始信息与提取的时空特征相结合，输入到检测层进行网络流量入侵检测；步骤一中网络流量数据的获取步骤如下：步骤1.1、构建批量的两跳完整邻域；步骤1.2、对一组固定大小的邻居节点进行统一采样，将节点集的邻域定义为来自集合的固定大小的均匀样本；步骤1.3、采样后，算法逐层迭代聚合相邻边缘特征，使用边缘特征构建；步骤1.4、构建一个二分图GS,D；E，其中S、D、E分别代表源节点集、目标节点集和边集；步骤1.5、将二分图转换为其对应的折线图，节点对应原始的边；步骤1.6、构建虚拟节点将源节点集扩大到目标节点集的大小；步骤1.7、扩大目标节点集之后，通过目标节点集构建批量的完整邻域，以获取网络流量数据。

全文数据：

权利要求：

百度查询： 湖北华中电力科技开发有限责任公司 基于门控时间卷积网络与图的入侵检测方法

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