[发明专利]一种基于多层特征融合神经网络的工控网络入侵检测方法

权利要求书

1.一种基于多层特征融合神经网络的工控网络入侵检测方法，其特征在于，包括：

获取工控网络信息管理层的原始数据；

对所述原始数据中的非数值特征进行数值编码，得到第一数据；

对所述原始数据中的数值特征进行归一化处理，得到第二数据；

构建多层特征融合神经网络，包括：获取传统神经网络模型中隐藏层的第一层的特征向量，记为第一特征向量，所述第一特征向量的维数为2ⁿ，其中，所述隐藏层的第一层连接输出层；

将所述第一特征向量的维数扩展为2ⁿ⁺¹，得到第二特征向量；

获取传统神经网络模型中隐藏层的第二层的特征向量，记为第三特征向量，所述第三特征向量的维数为2ⁿ⁺¹，将所述第三特征向量与第二特征向量相加，得到第四特征向量；

将所述第二特征向量的维数扩展为2ⁿ⁺²，得到第五特征向量；

获取传统神经网络模型中隐藏层的第三层的特征向量，记为第六特征向量，所述第六特征向量的维数为2ⁿ⁺²，将所述第六特征向量与第五特征向量相加，得到第七特征向量；

直至获取传统神经网络模型中隐藏层的第m层的特征向量，所述第m层的特征向量维数为2^n+m-1，将所述第m层的特征向量与扩展后维数为2^n+m-1的特征向量相加，得到第1+3(m-1)特征向量，其中，所述隐藏层的第m层连接输入层；

根据所述第一特征向量、第四特征向量、第七特征向量......第1+3(m-1)特征向量构建多层特征融合神经网络；

利用训练集和测试集对所述多层特征融合神经网络进行训练和测试，得到多层特征融合神经网络模型；

将所述第一数据和第二数据输入所述多层特征融合神经网络模型，得到检测结果。

2.根据权利要求1所述的基于多层特征融合神经网络的工控网络入侵检测方法，其特征在于，所述对原始数据中的非数值特征进行数值编码，得到第一数据，包括：

采用One-hot编码对原始数据中的非数值特征进行数值编码。

3.根据权利要求1所述的基于多层特征融合神经网络的工控网络入侵检测方法，其特征在于，所述对原始数据中的数值特征进行归一化处理，得到第二数据，包括：

采用公式将所述数值特征的数值大小全部映射到[0,1]区间；

其中，x为原始数据中的某一个数值特征，x的取值范围不为[0,1]，x_new为映射后特征的数值，x为原始特征的数值，x_min为原始特征中数值的最小值，x_max为原始特征中数值的最大值。

4.根据权利要求1所述的基于多层特征融合神经网络的工控网络入侵检测方法，其特征在于，扩展特征向量维数的方法为：

通过在特征向量的元素之间插入0对所述第一特征向量或第3m-4特征向量的维数进行扩展。