基于稀疏逻辑回归的网络入侵检测方法及装置

    公开(公告)号:CN116545783B

    公开(公告)日:2023-10-03

    申请号:CN202310825797.8

    申请日:2023-07-07

    IPC分类号: H04L9/40 G06N7/01

    摘要: 本发明公开了一种基于稀疏逻辑回归的网络入侵检测方法及装置,属于计算机网络安全技术领域,方法包括:待检测网络中采集用于入侵检测的数据集;数据集包括网络流量数据或系统日志;对数据集中连续数据进行归一化处理进行特征缩放,对数据集中离散值数据进行编码处理;对数据集中原始数据进行特征提取,并将提取特征后数据集划分为训练集和测试集,提取的特征包括网络连接的源地址、目标地址、端口号和传输协议;使用稀疏逻辑回归建立入侵检测概率模型,并进行入侵检测概率模型训练;将实时采集的数据集输入到训练后的入侵检测概率模型,进行网络入侵检测,并对入侵行为进行及时拦截。本发明提高了网络入侵检测的效率和准确率,有效拦截入侵行为。

    基于稀疏逻辑回归的网络入侵检测方法及装置

    公开(公告)号:CN116545783A

    公开(公告)日:2023-08-04

    申请号:CN202310825797.8

    申请日:2023-07-07

    IPC分类号: H04L9/40 G06N7/01

    摘要: 本发明公开了一种基于稀疏逻辑回归的网络入侵检测方法及装置,属于计算机网络安全技术领域,方法包括:待检测网络中采集用于入侵检测的数据集;数据集包括网络流量数据或系统日志;对数据集中连续数据进行归一化处理进行特征缩放,对数据集中离散值数据进行编码处理;对数据集中原始数据进行特征提取,并将提取特征后数据集划分为训练集和测试集,提取的特征包括网络连接的源地址、目标地址、端口号和传输协议;使用稀疏逻辑回归建立入侵检测概率模型,并进行入侵检测概率模型训练;将实时采集的数据集输入到训练后的入侵检测概率模型,进行网络入侵检测,并对入侵行为进行及时拦截。本发明提高了网络入侵检测的效率和准确率,有效拦截入侵行为。

    基于粒子群优化加权朴素贝叶斯入侵检测方法及装置

    公开(公告)号:CN116738415A

    公开(公告)日:2023-09-12

    申请号:CN202311000721.8

    申请日:2023-08-10

    摘要: 本发明公开了一种基于粒子群优化加权朴素贝叶斯入侵检测方法及装置,属于计算机网络安全技术领域,方法包括以下步骤:采集用于入侵检测的原始数据;对原始数据进行预处理;对预处理后原始数据进行特征提取,并对特征属性去粗取精,得到所需要的数据集;采用粒子群优化算法对加权朴素贝叶斯的权重进行优化,构造加权朴素贝叶斯分类器;利用数据集对加权朴素贝叶斯分类器进行训练,得到优化的加权朴素贝叶斯分类器;利用优化的加权朴素贝叶斯分类器进行入侵检测,并保存检测结果。本发明结合了粒子群算法和加权朴素贝叶斯算法的优点,解决了传统朴素贝叶斯算法的特征项冗余问题和特征项间的强独立性问题;能够有效地检测出高维复杂入侵行为。