一种入侵检测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种入侵检测方法及装置，其中，所述方法包括：基于二维混沌映射产生初始化种群；根据预设的非线性收敛因子策略及动态权重策略对原始灰狼优化算法进行迭代优化处理，获得改进灰狼优化算法；基于所述改进灰狼优化算法优化预设的BP神经网络，获得目标入侵检测模型；基于所述目标入侵检测模型，对网络安全数据测试集进行实际检测。采用本发明专利技术所述的入侵检测方法，能够利用改进灰狼优化算法优化BP神经网络的目标入侵检测模型，实现网络攻击的主动检测和攻击分类，有效提高了网络安全数据的测试效率和准确率。

【技术实现步骤摘要】
一种入侵检测方法及装置
本专利技术实施例涉及人工智能
，具体涉及一种入侵检测方法和装置。另外，还涉及一种电子设备和存储介质。
技术介绍
近年来，随着人工智能技术的快速发展，神经网络技术被广泛应用于网络安全领域，在入侵检测中用于对网络攻击进行检测和识别，其核心是通过分析采集的网络数据，检测网络中的各类行为是否安全。截至目前，研究人员提出了包括基于决策树(DecisionTree，DT)、AdaBoost、支持向量机(SVM)以及BP(BackPropagation)神经网络等多种入侵检测方法。其中，BP(BackPropagation)神经网络作为一种工作信号前向传播，误差反向传播的多层前馈型神经网络，在学习过程中具有很强的自学习能力、泛化能力以及强大的非线性映射能力。有人将BP神经网络应用于对网络攻击的入侵检测，并证明BP神经网络较传统的入侵检测具有较高的检测正确率，较低的误报率和漏报率。虽然BP神经网络较传统入侵检测能够取得较好的效果，但是随着恶意攻击的不断演化，BP神经网络技术存在的弊端日益显现，即BP神经网络存在初始本文档来自技高网...

【技术保护点】
1.一种入侵检测方法，其特征在于，包括：/n基于二维混沌映射产生初始化种群；/n根据预设的非线性收敛因子策略及动态权重策略对原始灰狼优化算法进行迭代优化处理，获得改进灰狼优化算法；/n基于所述改进灰狼优化算法优化预设的BP神经网络，获得目标入侵检测模型；/n基于所述目标入侵检测模型，对网络安全数据测试集进行实际检测。/n

【技术特征摘要】
1.一种入侵检测方法，其特征在于，包括：
基于二维混沌映射产生初始化种群；
根据预设的非线性收敛因子策略及动态权重策略对原始灰狼优化算法进行迭代优化处理，获得改进灰狼优化算法；
基于所述改进灰狼优化算法优化预设的BP神经网络，获得目标入侵检测模型；
基于所述目标入侵检测模型，对网络安全数据测试集进行实际检测。


2.根据权利要求1所述的入侵检测方法，其特征在于，所述根据预设的非线性收敛因子策略及动态权重策略对原始灰狼优化算法进行迭代优化处理，获得目标入侵检测模型，具体包括：
根据训练样本数据和适应度函数计算种群中灰狼个体适应度函数值，并对适应度值进行升序排序，确定适应度满足预设条件的灰狼个体；基于预设的非线性收敛因子平衡所述原始灰狼优化算法中灰狼个体的局部和全局搜索能力；
根据预设的比例权重公式和确定的所述灰狼个体，更新种群中灰狼个体的位置，并通过位置向量比例权重不断调节头狼所占的比重；
判断所述原始灰狼优化算法是否满足迭代终止条件，若是，则停止迭代计算，输出最优适应度对应的灰狼个体位置，获得改进灰狼优化算法。


3.根据权利要求1所述的入侵检测方法，其特征在于，基于所述改进灰狼优化算法优化预设的BP神经网络，具体为，基于所述改进灰狼优化算法优化预设BP神经网络的初始权值参数和阈值参数。


4.根据权利要求2所述的入侵检测方法，其特征在于，还包括：判断所述原始灰狼优化算法是否满足迭代终止条件，若否，则继续重复执行下述步骤：
根据训练样本数据和适应度函数计算种群中灰狼个体适应度函数值，并对适应度值进行升序排序，确定适应度满足预设条件的灰狼个体；
基于预设的非线性收敛因子平衡所述原始灰狼优化算法中灰狼个体的局部和全局搜索能力；
根据预设的比例权重公式和确定的所述灰狼个体，更新种群中灰狼个体的位置，并通过位置向量比例权重不断调节头狼所占的比重。


5....

【专利技术属性】
技术研发人员：王振东，刘尧迪，李大海，王俊岭，曾珽，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西;36