【技术实现步骤摘要】
一种基于深度学习的无线局域网入侵检测方法和系统
本专利技术涉及网络空间安全
，特别涉及一种无线局域网入侵检测方法和系统。
技术介绍
智能家居设备作为物联网的一类主要应用场景已经走进成千上万的家庭，而在智能家居领域，无线通信技术被广泛用于设备的互联，802.11系列标准明确规定了无线局域网(WLANs)在媒介访问控制层(MAC)和物理层(PHY)上的实现方式，能为智能家居提供基本可靠的无线设备互联，通常的方案是利用无线路由器作为网关构建一个包含各智能家居设备的智能家居无线局域网，形成一个星型的拓扑结构。通过将智能家居设备接入互联网，使得用户可以随时远程查看、控制、管理家中的智能家居设备。但由于物理可见介质缺失的特性，无线局域网比有线网络更易受到隐蔽的攻击和非法访问。这些智能设备为用户带来了舒适和便利同时，也带来了一些信息安全隐患。研究如何加强无线局域网的安全性变得至关重要，入侵检测方法便是一种为了提高网络的安全性而引入的针对入侵行为进行识别和预警的可靠安全方案。深度学习由感知机发展而来，最典型的深度学习模型就是前馈深度网络，他由多个感知机层层叠加而来，每个感知...
【技术保护点】
1.一种基于深度学习的无线局域网入侵检测系统，其特征在于：包括数据收集模块(10)、RNN学习模块(20)、RNN验证模块(30)、采集预处理模块(40)、识别模块(50)和结果处理模块(60),其中数据收集模块负责采集无线局域网数据作为样本，并进行数据集构建和划分，RNN学习模块读取数据集进行模型和参数学习构建习得模型，RNN验证模块根据数据收集模块提供的验证数据对习得模型进行验证和测试，验证和测试结果反馈给RNN学习模块进行优化，采集预处理模块实时采集目标网络数据包，对数据包进行过滤并处理成满足RNN神经网络要求的数据结构，同时向数据收集模块提供脱敏后的数据，识别模块从...
【技术特征摘要】
1.一种基于深度学习的无线局域网入侵检测系统，其特征在于：包括数据收集模块(10)、RNN学习模块(20)、RNN验证模块(30)、采集预处理模块(40)、识别模块(50)和结果处理模块(60),其中数据收集模块负责采集无线局域网数据作为样本，并进行数据集构建和划分，RNN学习模块读取数据集进行模型和参数学习构建习得模型，RNN验证模块根据数据收集模块提供的验证数据对习得模型进行验证和测试，验证和测试结果反馈给RNN学习模块进行优化，采集预处理模块实时采集目标网络数据包，对数据包进行过滤并处理成满足RNN神经网络要求的数据结构，同时向数据收集模块提供脱敏后的数据，识别模块从RNN学习模块获取习得模型对脱敏数据进行分类预测，结果处理模块根据识别模块分类预测的输出判断目标网络流量序列的类别，根据设置的优先级和处理方法进行不同粒度的处理。2.根据权利要求1所述的系统，其特征在于：数据收集模块将数据集按照比例随机划分为训练集、验证集和测试集，每个数据帧被处理为含有多个属性的一维向量，其中最后一个属性为该数据帧所对应的类别标签，其余属性分别对应虚拟冗长帧中形成的特征向量属性。3.根据权利要求1所述的系统，其特征在于：RNN学习模块根据LSTM长短时记忆循环神经网络构建前向网络计算图，将训练集按序列顺序输入到前向网络中，得到序列的预测值，根据序列预测值计算损失函数，更新权重参数和偏置参数以最小化损失函数。4.根据权利要求1-3其中之一所述的系统，其特征在于：识别模块从RNN学习模块获取计算图和学习参数构建前向传播网络，将采集预处理模块提供的数据作为输入向量输入到前向传播网络中，获取对该网络流量序列数据类型的分类预测概率。5.一种基于深度学习的无线局域网入侵检测方法，其特征在于：数据收集模块负责采集无线局域网数据作为样本，并进行数据集构建和划分，RNN学习模块读取数据集进行模型和参数学习构建习得模型，RNN验证模块根据数据收集模块提供的验证数据对习得模型进行验证和测试，验证和测试结果反馈给RNN学习模块进行优化...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。