[发明专利]基于单源领域扩充与先验参数迁移的ARP攻击检测方法

权利要求书

1.一种基于单源领域扩充与先验参数迁移的ARP攻击检测方法，其特征在于，所述方法包括：

获取单源领域样本，所述单源领域样本包括标记样本和未标记样本；

对所述标记样本进行Bootstrap采样得到标记样本子集，对所述未标记样本进行K-means聚类并进行分簇采样得到未标记样本子集，根据所述标记样本子集和所述未标记样本子集得到多源领域样本；

基于所述多源领域样本进行贝叶斯集成模型的源参数预处理，得到用于迁移的源领域参数；

通过与目标领域参数的可迁移度分析，在设置源领域参数权重后与目标领域参数结合得到迁移参数，并通过加权不同源的迁移参数得到目标分类器，所述目标分类器用于对ARP攻击进行检测。

2.根据权利要求1所述的方法，其特征在于，对所述未标记样本进行K-means聚类并进行分簇采样得到未标记样本子集，包括：

在未标记样本上进行K-means聚类，将其分到K_S个由相似度高的数据组成的簇然后计算每个簇与目标训练数据D_T的相似度，其中，数据流统计信息的相似性来反映簇与目标训练数据之间的相似性，X_i与X_j分别表示簇与目标领域中的数据，将和的相似度定义为：

将所有簇与目标领域训练数据的相似度之和作为分母，其相似度作为分子，可以得到该簇的采样权重，并将其作为其采样比例，具体公式为：

对每个簇进行采样大小为的放回采样，共同构成未标记样本子集

3.根据权利要求2所述的方法，标记样本子集为其特征在于，根据所述标记样本子集和所述未标记样本子集得到多源领域样本，包括：

标记样本子集和未标记样本子集共同组成由未标记样本D_S采样得到的样本经过K_s轮采样扩充后，由K_s个源领域构成的多源领域样本。

4.根据权利要求1所述的方法，其特征在于，在基于所述多源领域样本进行贝叶斯集成模型的源参数预处理之前，还包括：

基于训练集来估计类先验概率P(c)和每个特征f在类别c下的条件概率P(f|c)，得到贝叶斯集成模型参数具体包括：

其中，P_m(f_i|c_j)表示第m个基学习器对应的特征f_i(i＝1，...，10)在类别c_j(j＝1，2)下的条件概率。

5.根据权利要求1所述的方法，其特征在于，基于所述多源领域样本进行贝叶斯集成模型的源参数预处理，得到用于迁移的源领域参数，包括：

对贝叶斯集成模型中每个基学习器赋予其对应的权重得到用于迁移的参数向量P_S，参数向量对应的类分布概率P_S(c)和特征条件概率P_S(f|c)具体包括：

其中，α_m表示第m个基学习器所分配的权重。

6.根据权利要求1所述的方法，其特征在于，通过与目标领域参数的可迁移度分析，包括：

采用皮尔森相关系数将每个源领域与目标领域的每个概率分布进行相似度分析，所述皮尔森相关系数具体包括：

其中，分子cov(P_S，P_T)表示P_S，P_T的协方差，σ(P_S)·σ(P_T)表示P_S和P_T各自标准差的乘积，P_S，P_T分别表示源领域和目标领域上的特征概率分布向量。