[发明专利]基于移动代理和学习向量量化神经网络的智能NIPS架构

权利要求书

1.一种基于移动代理和学习向量量化神经网络的智能NIPS架构，其特征在于，包括：

数据预处理单元，其收集网络数据流，并从中选取供神经网络的输入和测试样本；

构建分类器单元，其利用输入和学习样本MA-LVQ神经网络分类器，并进行分类测试，从而形成知识库；

专家系统单元，其根据已知安全策略与知识库进行交互，以对由所述数据流提供的行为与所述知识库中的行为描述进行比较分类，从而确定输出结果；

知识库，包括正常行为描述和异常行为描述，并且通过所述专家系统单元进行交互而更新。

2.如权利要求1所述的NIPS构架，其特征在于，所述数据预处理单元包括数据采集/学习样本集模块和收集/防御检测代理模块，所述数据采集/学习样本集模块以捕获的网络数据流为LVQ神经网络分类提供输入及学习样本；所述收集/防御检测代理模块利用预先定义的策略规则进行过滤、辨识检测和决策规则匹配分析，输出对象状态。

3.如权利要求2所述的NIPS构架，其特征在于，所述数据采集/学习样本集模块以最小条件属性集及相应的原始数据形成测试样本集。

4.如权利要求3所述的NIPS构架，其特征在于，所述构建分类器单元包括MA-LVQ神经网络分类器构建模块和测试样本分类测试模块，所述MA-LVQ神经网络分类器构建模块形成MA-LVQ神经网络分类器，并且所述测试样本分类测试模块根据所述测试样本集对已训练好的MA-LVQ网络进行分类测试。

5.如权利要求1所述的NIPS构架，其特征在于，所述专家系统单元包括MA-LVQ神经网络分类器模块和报警阻断模块，所述专家系统以已知入侵行为特征分析及定义的安全策略，与知识库交互使用所述MA-LVQ神经网络分类器模块对由所述数据流提供的行为与知识库中的正常行为描述进行比较分类，并且使用所述报警阻断模块对行为进行报警，并作审计记录。