[发明专利]一种基于极限学习机的入侵检测方法有效
| 申请号： | 201711045616.0 | 申请日： | 2017-10-31 |
| 公开（公告）号： | CN107911346B | 公开（公告）日： | 2020-12-29 |
| 发明（设计）人： | 王琳琳;刘敬浩 | 申请（专利权）人： | 兵棋思学（天津）教育科技有限公司 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;H04L12/24 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 程毓英 |
| 地址： | 300142 天津市*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于极限学习机的入侵检测方法，包括：对网络流量数据集中的数据进行预处理：将测试集与训练集中字符型特征值为数值型特征值，对训练数据进行类别标注并进行归一化与标准化处理；根据类别标签，将网络流量训练数据分为Normal、DOS、Probe、U2R与R2L五种，将其中的Normal、U2R与R2L三类合并为Other类；采用DOS、Probe与Other这三类训练数据，训练第一层ELM模型，该层ELM模型采用PReLU激活函数替代Sigmoid激活函数进行改进；采用PReLU激活函数替代Sigmoid激活函数进行改进；进行检测分类。 | ||
| 搜索关键词： | 一种 基于 极限 学习机 入侵 检测 方法 | ||
【主权项】：
一种基于极限学习机的入侵检测方法，包括以下步骤：步骤(1)：在进行模型训练之前，对网络流量数据集中的数据进行预处理：首先将测试集与训练集中字符型特征值为数值型特征值，对训练数据进行类别标注；然后将训练集与测试集进行归一化与标准化处理，消除由于不同特征值度量单位的差异对实验结果产生的影响。步骤(2)：根据类别标签，将网络流量训练数据分为Normal、DOS、Probe、U2R与R2L五种，将其中的Normal、U2R与R2L三类合并为Other类；步骤(3)：采用DOS、Probe与Other这三类训练数据，训练第一层ELM模型，该层ELM模型采用PReLU激活函数替代Sigmoid激活函数进行改进；步骤(4)：采用Normal、U2R与R2L这三类训练数据，训练第二层ELM模型，该层ELM模型采用PReLU激活函数替代Sigmoid激活函数进行改进；步骤(5)：采用测试网络流量数据与两层ELM检测模型，进行检测分类：采用第一层ELM模型检测出DOS类与Probe类流量数据，将剩下的测试数据送入第二层ELM模型中进行检测，检测出Normal、U2R与R2L三类流量数据，通过两层模型的分类检测，最终检测出Normal、DOS、Probe、U2R与R2L这五类；采用检测率与误报率作为评价指标，评价检测算法效果。
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兵棋思学（天津）教育科技有限公司，未经兵棋思学（天津）教育科技有限公司许可，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/201711045616.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种能将茶砖部分分条的茶砖成型机构
- 下一篇：一种用于金花茶加工的预加热装置
