一种基于F值优化的网络攻击检测方法与系统技术方案

本申请公开了一种基于F值优化的网络攻击检测方法与系统，其中，该方法包括：步骤1，根据F值计算模型，计算接收到的网络数据对应的错分代价值，并生成代价值矩阵，其中，网络数据包括已标记网络数据和未标记网络数据；步骤2，根据网络数据，构建网络数据对应的超图；步骤3，根据代价值矩阵和超图，计算网络数据对应的预测类标；步骤4，根据预测类标，检测网络数据中的未标记网络数据。通过本申请中的技术方案，提高了对不平衡数据的检测率，利用F值评价指标对错分代价值进行优化，提高了网络异常数据检测的准确性和可靠性。

【技术实现步骤摘要】
一种基于F值优化的网络攻击检测方法与系统
本申请涉及网络异常检测的
，具体而言，涉及一种基于F值优化的网络攻击检测方法以及一种基于F值优化的网络攻击检测系统。
技术介绍
随着网络技术的快速发展，网络攻击事件也频频发生，面对日益增加的数据流量，如何高效准确的检测出其中包含的异常流量变得越发重要，由于网络中的流量遵循的协议类型众多，并且其中包含大量的不同类型的数据并且数据之间存在着严重不平衡的问题，如何平衡检测率以及针对不平衡数据的准确率，提高系统对于不同网络异常数据的检测率，高效、准确的检测异常数据信息显得十分重要。目前针对异常检测的方法主要致力于提高检测的准确性，而不在于降低检测的综合代价。而现有技术中，网络流量异常检测面临的主要挑战为：1)数据流量中不同类型数据存在严重不平衡问题，难以同时提高所有类型数据检测率；2)难以构建流量之间的高阶数据关联，挖掘数据之间的复杂关联。
技术实现思路
本申请的目的在于：利用针对不平衡数据有较好检测性能的F值衡量指标来代替准确率对错分代价值进行优化，并利用其来最大化地提高对于不平衡数据的检测率，提高网络异常数据检测的准确性和可靠性。本申请第一方面本文档来自技高网...

【技术保护点】
1.一种基于F值优化的网络攻击检测方法，其特征在于，该方法包括：步骤1，根据F值计算模型，计算接收到的网络数据对应的错分代价值，并生成代价值矩阵，其中，所述网络数据包括已标记网络数据和未标记网络数据，所述错分代价值的计算公式为：

【技术特征摘要】
1.一种基于F值优化的网络攻击检测方法，其特征在于，该方法包括：步骤1，根据F值计算模型，计算接收到的网络数据对应的错分代价值，并生成代价值矩阵，其中，所述网络数据包括已标记网络数据和未标记网络数据，所述错分代价值的计算公式为：式中，Fβ为二分类的F值计算公式，mcFβ为多分类的F值计算公式，r为分布参数，β为调节参数；步骤2，根据所述网络数据，构建所述网络数据对应的超图；步骤3，根据所述代价值矩阵和所述超图，计算所述网络数据对应的预测类标；步骤4，根据所述预测类标，检测所述网络数据中的所述未标记网络数据。2.如权利要求1所述的基于F值优化的网络攻击检测方法，其特征在于，所述分布参数r为[0.2，0.4，0.6，0.8]中按顺序依次选取的一个均匀分布参数，调节参数β的取值为1。3.如权利要求1所述的基于F值优化的网络攻击检测方法，其特征在于，该步骤3中，具体包括：步骤31，根据所述超图，进行拉普拉斯正则化变换，生成类型矩阵；步骤32，根据所述类型矩阵和所述代价值矩阵，构建代价敏感超图学习模型；步骤33，根据所述代价敏感超图学习模型，计算所述预测类标F。4.如权利要求1所述的基于F值优化的网络攻击检测方法，其特征在于，该步骤4中，具体包括：步骤41，根据所述网络数据中所述已标记网络数据，检测所述预测类标，生成检测得分；步骤42，选取所述检测得分最高的所述预测类标，记作异常数据检测模型；步骤43，根据所述异常数据检测模型，检测所述网络数据中的所述未标记网络数据。5.一种基于F值优化的网络攻击检测系统，其特征在于，该系统包括：生成单元，构建单元，计算单...

【专利技术属性】
技术研发人员：高跃，王楠，赵曦滨，万海，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11