[发明专利]一种基于K均值与深度置信网络的入侵检测方法

摘要

本发明涉及一种基于K均值与深度置信网络的入侵检测方法，包括对数据集中的网络流量数据进行预处理，将训练集与测试集进行归一化与标准化处理；将训练数据按照标注的攻击类型进行分类，对每一类的训练数据集，均执行聚类分析；以所得到各类聚类中心数据集作为作为训练数据，训练深度置信网络DBN模型。

主权项

一种基于K均值与深度置信网络的入侵检测方法，包括以下步骤：步骤(1)：对数据集中的网络流量数据进行预处理，将测试集与训练集中字符型特征值协议类型protocol type、网络服务(service)以及连接的状态flag转化为数值型特征值，将训练集与测试集进行归一化与标准化处理；步骤(2)：将训练数据按照标注的攻击类型进行分类，对每一类的训练数据集，均执行下面的步骤3‑6；步骤(3)：随机选取训练数据集中的一条数据作为第一个聚类中心，设定距离阈值λ，对于其他所有的数据，计算这些数据到这第一个数据中心的欧式距离，若欧式距离大于距离阈值，则成为新的中心，从而得到初始聚类中心数据集；步骤(4)：分别计算此类训练数据集中剩余其他数据与步骤(3)得到的初始聚类中心的欧式距离，并将它们划分到最小的类中；步骤(5)：分别计算每一类中数据的平均值，将此平均值作为新的聚类中心；步骤(6)：重复步骤(4)和(5)，直至步骤(5)生成的聚类中心保持稳定；步骤(7)：以所得到各类聚类中心数据集作为作为训练数据，训练深度置信网络DBN模型；步骤(8)：采用训练后的DBN模型，对测试网络流量进行分类检测，评价指标采用检测率与误报率，以进行检测算法的效果评价。