公开(公告)号：CN117811843A

公开(公告)日：2024-04-02

申请号：CN202410227507.4

申请日：2024-02-29

Applicant: 暨南大学

Inventor： 冉丽 ,  何毅舟 ,  韩旭明 ,  谢侨 ,  李哲夫

IPC: H04L9/40 ,  G06F18/24 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统，包括，获取目标网络流量数据并进行预处理，利用特征重构生成重构数据进行特征提取，获取空间特征及时间特征作为目标网络流量数据对应的流特征；构建网络入侵检测模型，利用大数据手段获取具有完备标签信息的相似数据集，进行所述网络入侵检测模型的迁移对抗训练；根据网络入侵检测模型进行目标网络流量数据的入侵检测分类，获取目标设备对应网络流量数据的历史入侵检测数据，提取入侵流量的隐式特征，进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性，能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。

公开(公告)号：CN117811843B

公开(公告)日：2024-05-03

申请号：CN202410227507.4

申请日：2024-02-29

Applicant: 暨南大学

Inventor： 冉丽 ,  何毅舟 ,  韩旭明 ,  谢侨 ,  李哲夫

IPC: H04L9/40 ,  G06F18/24 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于大数据分析和自主学习的网络入侵检测方法及系统，包括，获取目标网络流量数据并进行预处理，利用特征重构生成重构数据进行特征提取，获取空间特征及时间特征作为目标网络流量数据对应的流特征；构建网络入侵检测模型，利用大数据手段获取具有完备标签信息的相似数据集，进行所述网络入侵检测模型的迁移对抗训练；根据网络入侵检测模型进行目标网络流量数据的入侵检测分类，获取目标设备对应网络流量数据的历史入侵检测数据，提取入侵流量的隐式特征，进行网络入侵检测模型的自主学习更新。本发明通过迁移对抗训练提高了入侵行为检测的鲁棒性，能够在少样本或者无样本的场景下实现对网络流量的高精度、高效率的检测。