一种基于随机矩阵理论的入侵检测算法制造技术

本发明专利技术公开一种基于随机矩阵理论的入侵检测算法(Robust Intrusion Detection,RID)，该算法可以检测网络的非法访问。利用随机矩阵理论的Marcenko‑Pastur定律，协方差矩阵的特征值服从一个随机分布，进一步计算出协方差矩阵的最大特征值，以此作为一个特征值的门限值。将特征值超出门限值的对应的特征向量构造一个向量子空间，作为网络入侵检测的特征子空间。然后将网络访问向量投影到网络入侵检测特征子空间得到它的投影向量，计算投影向量和它自己之间的距离，作为网络访问向量的得分。最后，根据网络访问向量的得分，判断该网络访问向量是否是一个非法的网络访问。该算法的计算速度快、执行所耗资源低、检测准确率高，特别适合新兴的无线网络、物联网等。

【技术实现步骤摘要】

本专利技术属于网络安全入侵检测，具体涉及一种基于随机矩阵理论的入侵检测算法。

技术介绍

1、随着计算机网络的迅猛发展，新的网络和新的应用不断出现，比如，物联网、车载网和无线传感器网络等。越来越多的网络系统受到网络攻击的威胁，网络入侵检测系统(intrusion detection system,ids)受到大家广泛的关注，用它来分析和判断已收集的网络访问数据。近年来，大量的人工智能技术应用在网络入侵检测系统，如基于统计的入侵检测技术、神经网络、数据挖掘、人工免疫系统等。在所有的技术中，基于人工智能的入侵检测技术成为研究的热点。研究基于随机矩阵理论的健壮的入侵检测算法具有重要意义，但是，目前的入侵检测系统还存在以下问题：

2、(1)目前很多的基于人工智能的入侵检测算法计算量特别大，许多的无线网络，特别是物联网这样的网络无法承受。

3、(2)已有的基于人工智能网络入侵检测研究中，缺少模型更新机制，通过新获取的新的数据来改善模型。

4、(3)影响网络入侵检测的因素众多，目前研究入侵检测模型缺少科学确定减小维度的方法，使得检测不本文档来自技高网...

【技术保护点】

1.一种基于随机矩阵理论的入侵检测算法，其特征在于，包括：通过历史多年的网络入侵数据，包括正常数据和异常数据，异常数据类型分为4大类攻击，总共39种，预先利用收集的数据的80％作为训练数据，计算出训练样本的协方差矩阵，利用随机矩阵理论的Marcenko-Pastur定律，计算协方差矩阵的最大特征值，以最大特征值作为阈值，在样本协方差矩阵中，大于等于最大特征值对应的特征向量，组成特征子空间，该子空间包含了所有入侵检测的主要特征。

2.根据权利要求1所述的基于随机矩阵理论的入侵检测算法，其特征在于，具体包括以下步骤：

3.根据权利要求2所述的基于随机矩阵理论的入侵检测...

【技术特征摘要】

1.一种基于随机矩阵理论的入侵检测算法，其特征在于，包括：通过历史多年的网络入侵数据，包括正常数据和异常数据，异常数据类型分为4大类攻击，总共39种，预先利用收集的数据的80％作为训练数据，计算出训练样本的协方差矩阵，利用随机矩阵理论的marcenko-pastur定律，计算协方差矩阵的最大特征值，以最大特征值作为阈值，在样本协方差矩阵中，大于等于最大特征值对应的特征向量，组成特征子空间，该子空间包含了所有入侵检测的主要特征。

2.根据权利要求1所述的基于随机矩阵理论的入侵检测算法，其特征在于，具体包括以下步骤：

3.根据权利要求2所述的基于随机矩阵理论的入侵检测算法，其特征在于：步骤一中，在校园网或企业网的防火墙上，动态获取日常的网络访问数据。

4.根据权利要求2所述的基于随机矩阵理论的入侵检测算法，其特征在...

【专利技术属性】
技术研发人员：樊绍锋，胡永东，
申请(专利权)人：江西医至初医学病理诊断管理有限公司，
类型：发明
国别省市：