国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      網(wǎng)絡(luò)入侵檢測(cè)方法和裝置與流程

      文檔序號(hào):11156531閱讀:來源:國(guó)知局

      技術(shù)特征:

      1.一種網(wǎng)絡(luò)入侵檢測(cè)方法,其特征在于,包括:

      獲取待檢測(cè)流量的特征向量;

      采用深度神經(jīng)網(wǎng)絡(luò)對(duì)所述特征向量進(jìn)行檢測(cè),確定所述待檢測(cè)流量屬于的網(wǎng)絡(luò)入侵類別,其中,所述深度神經(jīng)網(wǎng)絡(luò)是對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練后生成的,所述訓(xùn)練數(shù)據(jù)包括:正常樣本的特征向量和攻擊樣本的特征向量,所述攻擊樣本包括:原始攻擊樣本,以及,對(duì)所述原始攻擊樣本添加噪聲后的樣本。

      2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述得到所述待檢測(cè)流量的特征向量之后,所述方法還包括:

      根據(jù)線性分類器對(duì)所述特征向量進(jìn)行識(shí)別,確定所述待檢測(cè)流量是否需要采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè),以便在需要采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)時(shí),采用深度神經(jīng)網(wǎng)絡(luò)對(duì)所述特征向量進(jìn)行檢測(cè)。

      3.根據(jù)權(quán)利要求1所述的方法,其特征在于,還包括:

      收集原始樣本,所述原始樣本包括:正常樣本和原始攻擊樣本;

      對(duì)所述原始攻擊樣本添加噪聲,得到添加噪聲后的攻擊樣本;

      對(duì)所述正常樣本、原始攻擊樣本和添加噪聲后的攻擊樣本分別進(jìn)行特征提取,得到正常樣本的特征向量和攻擊樣本的特征向量,所述攻擊樣本包括原始攻擊樣本和添加噪聲后的攻擊樣本;

      將所述正常樣本的特征向量和攻擊樣本的特征向量作為訓(xùn)練數(shù)據(jù),對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練,生成所述深度神經(jīng)網(wǎng)絡(luò)。

      4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述對(duì)所述原始攻擊樣本添加噪聲,得到添加噪聲后的攻擊樣本,包括:

      根據(jù)預(yù)先確定的樣本庫(kù)和規(guī)則庫(kù),對(duì)所述原始攻擊樣本添加噪聲,得到添加噪聲后的攻擊樣本。

      5.根據(jù)權(quán)利要求3所述的方法,其特征在于,對(duì)應(yīng)每個(gè)原始攻擊樣本,相應(yīng)的添加噪聲后的攻擊樣本的個(gè)數(shù)為多個(gè)。

      6.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述添加噪聲后的攻擊樣本的個(gè)數(shù)與對(duì)應(yīng)的原始攻擊樣本所屬類別的已有攻擊樣本數(shù)量成反比。

      7.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述深度神經(jīng)網(wǎng)絡(luò)包括:多層自編碼網(wǎng)絡(luò)。

      8.一種網(wǎng)絡(luò)入侵檢測(cè)裝置,其特征在于,包括:

      獲取模塊,用于獲取待檢測(cè)流量的特征向量;

      檢測(cè)模塊,用于采用深度神經(jīng)網(wǎng)絡(luò)對(duì)所述特征向量進(jìn)行檢測(cè),確定所述待檢測(cè)流量屬于的網(wǎng)絡(luò)入侵類別,其中,所述深度神經(jīng)網(wǎng)絡(luò)是對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練后生成的,所述訓(xùn)練數(shù)據(jù)包括:正常樣本的特征向量和攻擊樣本的特征向量,所述攻擊樣本包括:原始攻擊樣本,以及,對(duì)所述原始攻擊樣本添加噪聲后的樣本。

      9.根據(jù)權(quán)利要求8所述的裝置,其特征在于,還包括:

      分類模塊,用于根據(jù)線性分類器對(duì)所述特征向量進(jìn)行識(shí)別,確定所述待檢測(cè)流量是否需要采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè),以便在需要采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)時(shí),觸發(fā)所述檢測(cè)模塊執(zhí)行。

      10.根據(jù)權(quán)利要求8所述的裝置,其特征在于,還包括:

      訓(xùn)練模塊,用于收集原始樣本,所述原始樣本包括:正常樣本和原始攻擊樣本;對(duì)所述原始攻擊樣本添加噪聲,得到添加噪聲后的攻擊樣本;對(duì)所述正常樣本、原始攻擊樣本和添加噪聲后的攻擊樣本分別進(jìn)行特征提取,得到正常樣本的特征向量和攻擊樣本的特征向量,所述攻擊樣本包括原始攻擊樣本和添加噪聲后的攻擊樣本;將所述正常樣本的特征向量和攻擊樣本的特征向量作為訓(xùn)練數(shù)據(jù),對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練,生成所述深度神經(jīng)網(wǎng)絡(luò)。

      當(dāng)前第2頁(yè)1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1