一种网络入侵检测方法、装置、可读存储介质及终端设备制造方法及图纸

本申请属于网络安全技术领域，尤其涉及一种网络入侵检测方法、装置、计算机可读存储介质及终端设备。所述方法包括：根据目标网络的网络日志数据构建非平衡数据集；基于所述非平衡数据集，使用改进哈里斯鹰算法进行特征选择以及加权极限学习机的参数集优化，得到最优特征子集和所述加权极限学习机优化后的参数集；根据所述最优特征子集和所述加权极限学习机优化后的参数集构建网络入侵检测分类器；使用所述网络入侵检测分类器在所述目标网络中进行网络入侵检测，得到所述目标网络的网络入侵检测结果。通过本申请，能够在网络日志数据中的非平衡数据情况下，有效降低计算复杂度，提高计算效率，具有较强的鲁棒性和泛化能力。具有较强的鲁棒性和泛化能力。具有较强的鲁棒性和泛化能力。

【技术实现步骤摘要】
一种网络入侵检测方法、装置、可读存储介质及终端设备


[0001]本申请属于网络安全
，尤其涉及一种网络入侵检测方法、装置、计算机可读存储介质及终端设备。

技术介绍

[0002]随着科技的进步和时代的发展，互联网已成为人们生活的一部分，互联网用户的数量日益增长。可靠、准确的安全系统，对提供安全网络通信和保护网络共享信息至关重要。网络入侵检测技术可实时监控网络，提高了网络的安全性，是阻挡攻击行为的一种重要手段。
[0003]目前已有的网络入侵检测方法主要大多基于BP神经网络，这些方法都取得了较好的检测结果。但是，BP神经网络中的输入层和隐藏层的权重值很难确定，传统采用的梯度下降方法很容易陷入局部极值而找不到全局最优解的情况，参数值较多，需要花费大量时间训练调整。虽然能取得较好的检测结果，但计算复杂度高，计算效率低下，对于复杂的网络数据，以及网络日志数据中的非平衡数据集来说，其方法的鲁棒性和泛化能力非常弱。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种网络入侵检测方法、装置、计算机可读存储介质及终端设备，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种网络入侵检测方法，其特征在于，包括：根据目标网络的网络日志数据构建非平衡数据集；基于所述非平衡数据集，使用改进哈里斯鹰算法进行特征选择以及加权极限学习机的参数集优化，得到最优特征子集和所述加权极限学习机优化后的参数集；根据所述最优特征子集和所述加权极限学习机优化后的参数集构建网络入侵检测分类器；使用所述网络入侵检测分类器在所述目标网络中进行网络入侵检测，得到所述目标网络的网络入侵检测结果。2.根据权利要求1所述的网络入侵检测方法，其特征在于，所述基于所述非平衡数据集，使用改进哈里斯鹰算法进行特征选择以及加权极限学习机的参数优化，得到最优特征子集和所述加权极限学习机优化后的参数集，包括：根据所述非平衡数据集中数据的各个特征以及所述加权极限学习机待定的参数集构建哈里斯鹰算法中的位置向量；使用所述改进哈里斯鹰算法求解得到所述位置向量的最优解；根据所述位置向量的最优解确定所述最优特征子集和所述加权极限学习机优化后的参数集。3.根据权利要求2所述的网络入侵检测方法，其特征在于，所述使用所述改进哈里斯鹰算法求解得到所述位置向量的最优解，包括：初始化鹰群中的个体位置向量；计算所述个体位置向量对应的适应度值，并将适应度值取得最大值时的所述个体位置向量作为当前猎物位置向量；计算猎物逃跑能量因子，并根据所述猎物逃跑能量因子和所述当前猎物位置向量对所述个体位置向量进行更新；返回执行所述计算所述个体位置向量对应的适应度值的步骤及其后续步骤，直至迭代次数等于预设的最大迭代次数为止；将所述当前猎物位置向量作为所述位置向量的最优解。4.根据权利要求3所述的网络入侵检测方法，其特征在于，所述计算所述个体位置向量对应的适应度值，包括：确定所述个体位置向量对应的分类准确率和选择特征的个数；根据所述分类准确率和所述选择特征的个数计算所述个体位置向量对应的适应度值。5.根据权利要求1所述的网络入侵检测方法，其特征在于，所述加权极限学习机的参数集包括权重参数、正则...

【专利技术属性】
技术研发人员：马超，谭旭，于成龙，陈慧灵，孙慧，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：