[发明专利]轻量级网络入侵检测方法、装置、电子设备及存储介质

权利要求书

1.一种轻量级网络入侵检测方法，其特征在于，包括：

获取待检测的网络数据；

将所述待检测的网络数据输入至轻量级入侵检测模型，得到所述轻量级入侵检测模型输出的检测结果；所述轻量级入侵检测模型是基于样本网络数据、标签数据及采用自知识蒸馏方式进行训练得到的，用于对所述待检测的网络数据进行检测。

2.根据权利要求1所述的轻量级网络入侵检测方法，其特征在于，所述轻量级入侵检测模型包括至少一个特征处理模块和分类器，所述将所述待检测的网络数据输入至轻量级入侵检测模型，得到所述轻量级入侵检测模型输出的检测结果，包括：

将所述待检测的网络数据输入至第一特征处理模块，得到所述第一特征处理模块输出的第一特征信息；

将所述第一特征信息输入至第二特征处理模块，得到所述第二特征处理模块输出的第二特征信息；

将所述第二特征信息输入至所述分类器，得到所述分类器输出的所述检测结果。

3.根据权利要求2所述的轻量级网络入侵检测方法，其特征在于，所述特征处理模块包括深度可分离卷积层、最大特征映射层和池化层，所述将所述待检测的网络数据输入至第一特征处理模块，得到所述第一特征处理模块输出的第二特征信息，包括：

将所述待检测的网络数据输入至所述深度可分离卷积层，得到所述深度可分离卷积层输出的至少一个第一特征图；第一特征图用于表示每个通道的数据特征；

将至少一组特征图输入至所述最大特征映射层，得到所述最大特征映射层输出的第二特征图；每组特征图包括两个所述第一特征图；所述第二特征图表示所述每组特征图中特征值最大的特征图；

将所述第二特征图输入至所述池化层，得到所述池化层输出的第一特征信息。

4.根据权利要求2所述的轻量级网络入侵检测方法，其特征在于，所述将所述第二特征信息输入至所述分类器，得到所述分类器输出的所述检测结果，包括：

将所述第二特征信息输入至所述分类器，所述分类器采用归一化函数计算所述第二特征信息对应的概率分布；

将所述概率分布中最大概率对应的类型确定为所述检测结果。

5.根据权利要求1-4任一项所述的轻量级网络入侵检测方法，其特征在于，所述轻量级入侵检测模型是基于以下步骤训练得到的：

获取网络训练数据集；所述网络训练数据集包括多批训练数据；每批训练数据包括多个训练数据和多个测试数据；所述多个训练数据为多个样本网络数据和各所述样本网络数据的标签数据；

基于所述多个训练数据、所述多个测试数据和所述自知识蒸馏方式，确定所述轻量级入侵检测模型。

6.根据权利要求5所述的轻量级网络入侵检测方法，其特征在于，所述基于所述多个训练数据、所述多个测试数据和所述自知识蒸馏方式，确定所述轻量级入侵检测模型，包括：

在上一次迭代时，基于所述多个训练数据，对初始教师网络模型进行训练，得到第一教师网络模型、所述第一教师网络模型的第一参数和所述第一教师网络输出的第一检测结果；所述第一教师网络模型与所述轻量级入侵检测模型的结构相同；

将所述多个测试数据输入至所述第一教师网络模型，得到所述第一教师网络模型输出的第一测试结果；

在当前次迭代时，基于所述多个训练数据和所述第一参数，对初始学生网络模型进行训练，得到第一学生网络模型、所述第一学习网络模型的第二参数和所述第一学生网络模型输出的第二检测结果；所述第一学生网络模型与所述轻量级入侵检测模型的结构相同；

将所述多个测试数据输入至所述第一学生网络模型，得到所述第一学生网络模型输出的第二测试结果；

基于所述第一检测结果、所述第二测试结果、所述第二检测结果和所述第二参数，确定所述轻量级入侵检测模型。