[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

说明书

本发明提供一种轻量级网络入侵检测方法、装置、电子设备及存储介质，该方法涉及网络安全技术领域，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，通过轻量级入侵检测模型实现了待检测的网络数据的检测，提升了网络入侵检测的效率，同时，提升了网络入侵检测的精度。

技术领域

本发明涉及网络安全技术领域，尤其涉及一种轻量级网络入侵检测方法、装置、电子设备及存储介质。

背景技术

随着网络技术的飞速发展，各种网络攻击层出不穷，网络威胁也越来越严重。作为回应，网络入侵检测(Network Intrusion Detection，NID)通过不断监控网络流量中的恶意和可疑活动，在网络安全方面发挥着至关重要的作用。目前，入侵检测系统已广泛应用于医疗、交通、物联网安全和工业控制等领域。

入侵检测系统应用两种类型的检测方式，包括基于签名的网络入侵检测方式和基于异常的网络入侵检测方式；其中，基于签名的NID方式预先通过状态建模或字符串匹配建立知识库，并通过将数据流与知识库中的已有签名进行匹配来检测异常行为，基于签名的NID方式在已知攻击上表现出相当好的性能，而不能处理不在知识库中的攻击。为了解决这一问题，基于异常的NID方式通过测量检测到的活动与正常活动之间的偏差来检测入侵行为。

随着深度学习的发展，基于深度学习的入侵检测模型层出不穷，大大提高了入侵检测的准确性和稳健性。尽管这些模型达到了令人满意的精度，但由于计算开销高和模型的规模大，导致大多数模型都很难在资源受限的设备上实现，从而导致网络入侵检测的效率较低。

发明内容

本发明提供一种轻量级网络入侵检测方法、装置、电子设备及存储介质，用以解决现有技术中网络入侵检测的效率较低的问题。

本发明提供一种轻量级网络入侵检测方法，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。

根据本发明提供的一种轻量级网络入侵检测方法，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。

根据本发明提供的一种轻量级网络入侵检测方法，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。