一种基于卷积神经网络的网络入侵检测方法

发明专利无效专利

申请号：
CN201811108009.9
IPC分类号：H04L29/06;H04L12/24;G06N3/04
申请日期：
2018-09-21
申请人：
华南理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于卷积神经网络的网络入侵检测方法
申请号	CN201811108009.9	申请日期	2018-09-21
法律状态	撤回	申报国家	中国
公开/公告日	2019-02-05	公开/公告号	CN109309675A
优先权	暂无	优先权号	暂无
主分类号	H04L29/06 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04L 数字信息的传输，例如电报通信（电报和电话通信的公用设备入H04M）〔4〕 H04L29/00 H04L 1/00至H04L 27/00单个组中不包含的装置、设备、电路和系统〔5〕 H04L29/02 通信控制；通信处理（H04L 29/12，H04L 29/14优先）〔5〕 H04L29/06 以协议为特征的〔5〕	IPC分类号	H;0;4;L;2;9;/;0;6;;;H;0;4;L;1;2;/;2;4;;;G;0;6;N;3;/;0;4查看分类表>
申请人	华南理工大学	申请人地址	广东省广州市天河区五山路381号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华南理工大学	当前权利人	华南理工大学
发明人	李拥军;靳玉;谢嵘;武天舒
代理机构	广州市华学知识产权代理有限公司	代理人	向玉芳

摘要

本发明公开了一种基于卷积神经网络的网络入侵检测方法。该方法对原始的网络连接输入数据进行预处理，将网络连接数据中特征取值转化为统一的格式；然后进行网络连接数据中特征取值优化，通过卷积神经网络结构对优化选择特征集后的网络数据建模，提取网络攻击行为的特征；应用Softmax分类器将所得模型提取到的特征进行分类，判断数据为正常连接数据或具体某一攻击行为，产生最终的入侵检测结果。本发明改善了传统入侵检测系统中人工挖掘数据关联规则中对入侵行为特征提取不充分的特点所导致的检测率低、误报率高、泛化能力差的问题，同时避免传统解决方案对检测时效性和计算复杂度的负面影响。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供