一种基于深度学习的网络流量入侵检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的网络流量异常检测方法及装置，对训练数据集进行预处理，采用预处理后的训练数据集训练构建的MSCNN

【技术实现步骤摘要】
一种基于深度学习的网络流量入侵检测方法及装置


[0001]本申请属于网络安全
，具体涉及一种基于深度学习的网络流量入侵检测方法及装置。

技术介绍

[0002]随着科技社会的进步发展，互联网在经历过飞速的发展之后进入了千家万户，网络已经涉及到了人类生活的方方面面，与此同时带来的网络安全问题也越来越受到了人们的关注。根据中国互联网应急中心发布的的数据显示，在恶意程序方面，捕获的计算机恶意程序样本数目约1,815万个；境内受计算机恶意程序攻击的IP地址约为4,208万个，约占我国IP总数的12.4％；境内感染计算机恶意程序的主机数量约为304万台。安全漏洞方面，国家信息安全漏洞共享平台(CNVD)收录通用型安全漏洞11,073个，其中高危漏洞收录数目为4,280个。安全事件方面共处置涉及政府机构、重要信息系统等网络安全漏洞事件近1.5万起。目前我国互联网用户遭受的最常见的攻击依然是拒绝服务攻击(DDoS)。在工业领域，承载着大量接入设备以及各种企业、个人重要信息数据的工业云平台也成为了远程代码执行、Web漏洞利用等网络攻击的重点攻击目标。为了防本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的网络流量入侵检测方法，其特征在于，所述基于深度学习的网络流量入侵检测方法，包括：对训练数据集进行预处理，采用预处理后的训练数据集训练构建的MSCNN
‑
SLSTM混合神经网络，所述MSCNN
‑
SLSTM混合神经网络依次包括两个串接的一维多尺度卷积层、一个最大池化层、两个并列的堆叠式长短期记忆网络、一个全连接层以及分类层；采用训练好的MSCNN
‑
SLSTM混合神经网络对网络流量进行检测，输出检测结果。2.如权利要求1所述的基于深度学习的网络流量入侵检测方法，其特征在于，所述对训练数据集进行预处理，包括：当训练数据集中样本的特征值的数值类型为Nan时，用该特征值所处的列的平均值来代替；当训练数据集中样本的特征值的数值类型为Inf时，用该特征值所处的列的最大值代替；当训练数据集中样本的特征值的数值类型为Negative value时，用该特征值所处的列的最小值代替。3.如权利要求1所述的基于深度学习的网络流量入侵检测方法，其特征在于，所述对训练数据集进行预处理，包括：对训练数据集中样本的各个特征值进行归一化处理。4.如权利要求1所述的基于深度学习的网络流量入侵检测方法，其特征在于，所述对训练数据集进行预处理，包括：将DoS GoldenEye、DoS Hulk、DoS Slowhttptest、DoS Slowloris统一归于DoS一类，将Web Attack
‑
Brute Force、Web Attack
‑
XSS、Web Attack
‑
Sql Injection统一归于Web Attack一类。5.如权利要求1所述的基于深度学习的网络流量入侵检测方法，其特征在于，所述一维多尺度卷积层包括三路一维卷积神经网络，其中第一路为卷积核大小为2的一维卷积神经网络，第二路包括一个卷积核大小为2的一维卷积神经网络和一个卷积核大小为3的一维卷积神经网络，第三路包括一个卷积核大小为2的一维卷积神经网络和一个卷积核大小为4的一维卷积神经网络。6.一种基于深度学习的网络流量入侵检测装置，其特征在于，所述基于...

【专利技术属性】
技术研发人员：章坚武，伊楷，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：