一种基于深度学习的入侵检测系统技术方案

本发明专利技术公开了一种基于深度学习的入侵检测系统，属于网络入侵检测技术领域，通过设置深度学习模型库以及历史数据获取模块，可以使用户自定义数据学习方案，从而实现高度自定义化的入侵检测，同时提供了模型算法库，通过一种新的学习策略对数据关系进行学习，可以提升深度学习模型对数据关系学习的效果，从而解决现有深度学习过程中数据学习效果差的技术问题，最终提升了网络入侵检测的准确性以及效率。

【技术实现步骤摘要】

本专利技术属于网络入侵检测，具体涉及一种基于深度学习的入侵检测系统。

技术介绍

1、近几年来，随着大数据、云计算技术的不断发展，计算机网络技术在经济、政治、医疗、工业领域等多个方面普及开来，给人们的日常生活以及生产过程中提供了便利。但是网络安全问题也随之而来，越来越多的服务器设备、非法程序为网络安全埋下了重大隐患，各种私人信息被各种流氓软件和网站不断地上传到云端数据库中，同时，一些不法分子通过非法网络攻击来获取人们的个人信息。面对爆炸式增长的互联网数据，传统的网络安全检测技术已经不能有效的应对当前的形势，因此使用入侵检测系统来预防网络入侵已经成为一项迫切需要。随着近些年来人们对互联网的需求的增加，黑客们对于网络入侵的手段也在不断迭代，入侵数据也呈现着海量、高维度、全方面的特点。机器学习作为人工智能领域重要的一大分支，它无论是在性能上还是准确上来说，已经可以被证实广泛的应用在各种分类问题上面。因此，对于网络入侵的应用场景，它能够促进对网络数据进行更深入的分析，并更快地识别任何异常。现有机器学习常用的学习方式为有监督学习，在现有的机器学习方式中，通常对数据学习本文档来自技高网...

【技术保护点】

1.一种基于深度学习的入侵检测系统，其特征在于，包括：深度学习模型库、模型算法库、历史数据获取模块、监测数据获取模块以及入侵检测模块；

2.根据权利要求1所述的基于深度学习的入侵检测系统，其特征在于，所述深度学习模型库至少包括CNN、CNN-LSTM、LSTM以及BP深度学习模型。

3.根据权利要求1所述的基于深度学习的入侵检测系统，其特征在于，所述历史网络流量特征包括TCP连接基础属性、TCP连接的内容特征、基于时间的网络流量统计特征以及基于主机的网络流量统计特征。

4.根据权利要求1所述的基于深度学习的入侵检测系统，其特征在于，采用协作超参优化算法...

【技术特征摘要】

1.一种基于深度学习的入侵检测系统，其特征在于，包括：深度学习模型库、模型算法库、历史数据获取模块、监测数据获取模块以及入侵检测模块；

2.根据权利要求1所述的基于深度学习的入侵检测系统，其特征在于，所述深度学习模型库至少包括cnn、cnn-lstm、lstm以及bp深度学习模型。

3.根据权利要求1所述的基于深度学习的入侵检测系统，其特征在于，所述历史网络流量特征包括tcp连接基础属性、tcp连接的内容特征、基于时间的网络流量统计特征以及基于主机的网络流量统计特征。

4.根据权利要求1所述的基于深度学习的入侵检测系统，其特征在于，采用协作超参优化算法使目标深度学习模型对训练数据进行学习，得到具备网络流量特征检测能力的目标深度学习模型，包括：

5.根据权利要求4所述的基于深度学习的入侵检测系统，其特征在于，采用前t次训练过程中适应度值最大的个体对当前的最优个体进行最优位置搜索，...

【专利技术属性】
技术研发人员：朱宪，李超，宗文明，胡仁豪，王波，
申请(专利权)人：浪潮软件集团有限公司，
类型：发明
国别省市：