[发明专利]一种基于人工智能的新型物联网无线网络攻击检测方法

权利要求书

1.一种基于人工智能的新型物联网无线网络攻击检测方法，其特征在于包括如下步骤：

1)无线网络流量数据预处理：对无线网络中实体h的流量数据按照特定的规则提取统计特征x，将网络流量的攻击类型作为标签Y，形成无线安全网络流量数据集S；

2)卷积神经网络F_CNN训练：将一维流量特征数据x转换为维度为p*q类型的矩阵形式，输入由r个卷积层以及池化层、和w个全连接层串联组成的卷积神经网络，使用交叉熵函数作为目标函数，训练卷积神经网络F_CNN；

3)循环神经网络F_RNN训练：训练数据输入由LSTM神经网络、和p个全连接层组成的循环神经网络，输出层为维度为k的全连接层，使用交叉熵函数作为目标函数，训练循环神经网络F_RNN；

4)深度神经网络F_ResNet训练：将一维流量特征数据x转换为维度为p*q类型的矩阵形式，输入由r个卷积单元组成的t层残差网络中，以网络攻击类型作为标签，训练深度神经网络F_resNet；

5)评分模型F_sum训练：对于流量数据X，整合F_CNN、F_RNN以及F_ResNet的输出Y_f，结合其对应的真实网络攻击类型组成新的数据集S’，在此数据集上对评分模型F_sum进行训练；

6)模型评估：对整个模型的预测准确率进行评估。

2.根据权利要求1所述的一种基于人工智能的新型物联网无线网络攻击检测方法，其特征在于采用集成学习的思想，综合提取无线流量数据特征在时间、空间上的相关性，来准确识别异常无线网络攻击。

3.根据权利要求1所述的一种基于人工智能的新型物联网无线网络攻击检测方法，其特征在于所述步骤3)中循环神经网络F_RNN训练包括如下步骤：

①训练数据输入由LSTM神经网络、和w个全连接层组成的循环神经网络，输出层为维度为k的全连接层；

②使用交叉熵函数作为目标函数，基于训练集数据对卷积神经网络FRNN进行模型训练。

4.根据权利要求1所述的一种基于人工智能的新型物联网无线网络攻击检测方法，其特征在于所述步骤4)深度神经网络F_ResNet训练包括如下步骤：

①利用步骤2)中①步骤中，将一维流量特征数据x转换为维度为p*q类型的矩阵形式。

②将维度转换后的数据，输入由r个卷积单元组成的t层残差网络中，以Y作为标签，对F_ResNet网络进行训练。

5.根据权利要求1所述的一种基于人工智能的新型物联网无线网络攻击检测方法，其特征在于所述模型评估通过采用测试集数据，从准确率、召回率、ROC、AUC、F1值五个方面对模型的准确性进行评估。