一种融合批量规范化和神经网络的攻击检测方法及系统技术方案

本说明书一个或多个实施例提供了一种融合批量规范化和神经网络的攻击检测方法及系统，包括：获取网络数据集；获取攻击检测模型；攻击检测模型基于训练集得到；将网络数据集输入攻击检测模型，得到攻击检测结果。本说明书一个或多个实施例提供的方法融合了批量规范化和深层神经网络，从而提高了检测精度，降低了误报率，采用Adam自适应梯度下降优化算法对攻击检测模型进行优化，从而提高了攻击检测模型的检测能力。相对比于传统网络安全框架下攻击检测模型在检测精度以及输出结果等均具有显著的提升。显著的提升。显著的提升。

【技术实现步骤摘要】
一种融合批量规范化和神经网络的攻击检测方法及系统


[0001]本说明书一个或多个实施例涉及通信
，尤其涉及一种融合批量规范化和神经网络的攻击检测方法及系统。

技术介绍

[0002]态势评估是态势感知的核心技术手段，一个合理、有效的态势评估模型能够更加快速、准确地对当前网络环境的态势状态做出反应，以便管理者更好地管理网络。
[0003]神经网络在处理分类问题上具有较强的能力，几年前具有一个隐层的BP神经网络及其优化算法已经可以很好地完成态势感知工作。但随着网络用户以及网络应用的增加，使得网络数据也在不断增多，且格式多变等，传统BP神经网络在网络承载力、容错力等方面已展现出其劣势。在深度学习飞速发展的今天，DNN也广泛被应用到各行各业各个方面，其中也包括在态势感知上的应用。
[0004]DNN与传统的BPNN相比，因其具有的隐层数更多，故而整个网络的容灾能力、泛化能力以及计算能力更强，其在数据量大的情况下可以计算得更快，花费更少的代价。随着机器学习和人工智能的发展DNN也备受青睐，常被应用到各行各业中，特别在处理分类问题和回归本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合批量规范化和神经网络的攻击检测方法，其特征在于，包括：获取网络数据集；获取攻击检测模型；所述攻击检测模型基于训练集得到；将所述网络数据集输入所述攻击检测模型，得到攻击检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取网络数据集之后，包括：对所述网络数据集进行预处理操作。3.根据权利要求1所述的方法，其特征在于，所述攻击检测模型，包括：至少一个隐含层；所述获取攻击检测模型，包括：将所述训练集输入所述攻击检测模型；根据所述至少一个隐含层基于所述训练集得到激活数据；利用所述至少一个隐含层对所述激活数据进行批量规范化操作以得到规范化数据；对所述规范化数据进行归一化并将所述规范化数据输入其余所述隐含层。4.根据权利要求1所述的方法，其特征在于，所述获取攻击检测模型之后，包括：基于Adam梯度更新算法优化所述攻击检测模型。5.根据权利要求1所述的方法，其特征在于，所述获取攻击检测模型之后，还包括：对所述攻击检测模型进行正则化优化。6.一种融合批量规范化和神经网络的攻击检...

【专利技术属性】
技术研发人员：张路莹，
申请(专利权)人：北京简易科技有限公司，
类型：发明
国别省市：