[发明专利]一种基于模糊度和集成学习的网络入侵检测方法在审
| 申请号： | 201811442718.0 | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109347872A | 公开（公告）日： | 2019-02-15 |
| 发明（设计）人： | 廖丹;陈锐;张良嵩;金海焱;李慧 | 申请（专利权）人： | 电子科技大学;电子科技大学成都研究院 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;G06N5/04;G06K9/62 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于模糊度和集成学习的网络入侵检测方法，包括以下步骤；S1、从原始流量数据中提取出能够反映流量特性的基本特征数据；S2、对提取的基本特征数据进行预处理；S3、将预处理后的基本特征数据作为训练样本集，并通过多次随机划分训练样本集，得到若干个训练样本子集；S4、根据每个训练样本子集中的数据，采用基于模糊度的半监督ELM算法构建并训练若干个基分类器；S5、采用集成算法对所有训练好的基分类器进行结合，得到最终的入侵检测模型，进行网络入侵检测。本发明方法解决了现有技术中构建模型的训练时间过长和无法很好地适应新类型的攻击检测等问题，本发明方法能够进行快速训练，提高对新类型攻击的识别能力。 | ||
| 搜索关键词： | 网络入侵检测 模糊度 预处理 训练样本集 基分类器 集成学习 训练样本 子集 入侵检测模型 原始流量数据 攻击检测 集成算法 快速训练 流量特性 算法构建 半监督 构建 攻击 | ||
【主权项】：
1.一种基于模糊度和集成学习的网络入侵检测方法，其特征在于，包括以下步骤；S1、从原始流量数据中提取出能够反映流量特性的基本特征数据；S2、对提取的基本特征数据进行预处理；S3、将预处理后的基本特征数据作为训练样本集，并通过多次随机划分训练样本集，得到若干个训练样本子集；S4、根据每个训练样本子集中的数据，采用基于模糊度的半监督ELM算法构建并训练若干个基分类器；S5、采用集成算法对所有训练好的基分类器进行结合，得到最终的入侵检测模型，进行网络入侵检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学;电子科技大学成都研究院，未经电子科技大学;电子科技大学成都研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811442718.0/，转载请声明来源钻瓜专利网。
