一种计算机网络入侵检测方法及系统技术方案

本发明专利技术涉及网络安全技术领域，尤其涉及一种计算机网络入侵检测方法及系统，方法包括：S1、获取计算机网络流量数据；S2、将计算机网络流量数据输入至预训练的网络流量异常检测模型中，获取检测结果；网络流量异常检测模型包括残差神经网络、双向长短期记忆网络、深度神经网络；预训练的网络流量异常检测模型是预先采用训练网络流量数据集对网络流量异常检测模型训练后得到的。本发明专利技术的一种计算机网络入侵检测方法，由于采用了残差神经网络、双向长短期记忆网络和深度神经网络多种模型结合，这些模型能分别捕获不同尺度的空间特征和前向与后向的时序模式，解决梯度消失和模型退化问题，综合利用它们提高了网络流量异常检测的准确性和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及网络安全，尤其涉及一种计算机网络入侵检测方法及系统。

技术介绍

1、作为网络安全防护的关键技术支撑手段之一，网络流量异常检测发挥着重要作用，通过对网络流量处理和分析数据，可以及时发现异常流量和潜在攻击行为。传统的网络流量异常检测是基于规则对海量的流量信息进行过滤，但能够挖掘到的危险信息有限，随着攻击手段越来越隐蔽，传统方法已经不能满足电力系统的安全要求。近年来，机器学习算法在网络流量异常检测中得到了广泛应用，并在识别的准确率上有了一定的提升，但是机器学习模型隐藏层数少，结构单一，对异常和正常流量的行为模式缺乏本质上的认识，无法充分利用流量数据的丰富信息，导致在面对复杂的网络环境和数据爆炸性增长的情况下，模型性能降低的同时泛化能力也较弱。深度学习技术的不断演进促使网络流量异常检测与之融合的应用变得越来越常见。尽管深度学习方法可通过多个隐藏层提取数据特征，但在处理大量复杂的网络流量数据方面仍然存在检测准确率低、误报率高和泛化能力不足等问题。

技术实现思路

1、鉴于现有技术的上述缺点、不足，本专利技术本文档来自技高网...

【技术保护点】

1.一种计算机网络入侵检测方法，其特征在于，包括：

2.根据权利要求1所述的计算机网络入侵检测方法，其特征在于，所述方法在S1之前还包括：

3.根据权利要求2所述的计算机网络入侵检测方法，其特征在于，所述网络流量异常检测模型依次包括残差神经网络、第一结构、深度神经网络；

4.根据权利要求3所述的计算机网络入侵检测方法，其特征在于，

5.根据权利要求3或4所述的计算机网络入侵检测方法，其特征在于，所述S0具体包括：

6.根据权利要求5所述的计算机网络入侵检测方法，其特征在于，

7.根据权利要求6所述的计算机网络入侵检测...

【技术特征摘要】

1.一种计算机网络入侵检测方法，其特征在于，包括：

2.根据权利要求1所述的计算机网络入侵检测方法，其特征在于，所述方法在s1之前还包括：

3.根据权利要求2所述的计算机网络入侵检测方法，其特征在于，所述网络流量异常检测模型依次包括残差神经网络、第一结构、深度神经网络；

4.根据权利要求3所述的计算机网络入侵检测方法，其特征在于，

5.根据权利要求3或4所述的计算机网络入侵检测方法，其特...

【专利技术属性】
技术研发人员：张磊，尹肖栋，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：