[发明专利]一种局域网内网入侵的智能检测方法

说明书

技术领域

本发明涉及一种智能检测方法，更具体的说，涉及一种局域网内网入侵的智能检测方法。

背景技术

随着网络技术的逐步发展，网络环境变得更加复杂，越来越多的内网系统遭到入侵攻击的威胁。为了确保网络信息的传输安全，有以下几个问题：对网络上信息的监听、对用户身份的仿冒、对网络上信息的篡改、对发出的信息予以否认、对信息进行重发。对于网络安全来说，单纯的防火墙技术暴露出明显的不足和弱点，如无法解决安全后门、无法阻止网络内部攻击、无法实现实时入侵检测、无法有效监测拦截病毒传播等。因此很多组织致力于提出更强大的主动策略来保障网络的安全性，入侵检测作为一种积极主动的安全防护技术，成为一个有效的解决途径。入侵检测系统(IDS——Intrusion Detection System)是网络防火墙的有力补充，能够为网络安全提供实时的入侵检测并采取相应的防护手段，因而，入侵检测系统技术就越来越受到重视，如何高效地检测、记录、警报、响应内网入侵检测，已成为研究热点和难点问题。

发明内容

本发明所要解决的技术问题是，克服现有技术的缺点，提供一种完善的、高效的、智能的局域网内网入侵的智能检测方法。

为了解决以上技术问题，本发明提供一种局域网内网入侵的智能检测方法，包括数据采集步骤、数据检测分析步骤和数据显示步骤，所述数据检测分析步骤基于数据采集步骤的数据集进行，具体按如下步骤进行：

（1）采集数据的模型化处理步骤，所述采集数据的模型化处理步骤包括如下两种方式：

S202、FCM聚类过程计算，按照FCM聚类过程方法计算，得出传统方法的入侵数、攻击类型数和分类攻击数；

S203、智能化计算，采用基于智能化的FCM聚类过程方法进行计算，得出新型智能算法方法的入侵数、攻击类型数和分类攻击数；

（2）指标评价分析步骤，分析指标包括检测率和检测度，其中，

检测率Dr（detection rate）：Dr=n_i/N_i，其中n_i表示第i个数据集中被正确检测到的某一类攻击数据量，N_i表示第i个数据集中该类攻击数据总量；

检测度：Du=m_i/M_i-F_i/S_i，其中m_i表示第i个数据集中被正确检测到的入侵数据量，m_i表示第i个数据集中包含的入侵数据总量，F_i表示第i个数据集中被错误划分成入侵数据的正常数据数量，S_i表示第i个数据集中包含的正常数据总量；

（3）得出结论步骤：得到入侵数、入侵数据的检测率和检测度。

本发明技术方案的进一步限定为，步骤S202FCM聚类过程计算的具体方法为：

S301，数据采集步骤的数据集中聚类数目C，模糊加权指数m，迭代终止误差ε，最大迭代次数T，随机初始化各类中心点V，t=1；

步骤S302，计算隶属度矩阵、目标函数J和各类数据集新的中心点；

步骤S303，计算两代的目标函数差值是否在精度范围ε。

步骤S304，输出中心点V和目标函数J。

进一步地，步骤S203智能化计算的具体方法为：

步骤S401，数据采集步骤的数据集中类数目C，群体规模，差分进化初始参数；

步骤S402，进化代数计数器t=0，将样本大小为n的数据集划分为w个子集，计算FCM算法的聚类中心，得到初始种群；

步骤S403，计算目标函数，进行适应度评价；

步骤S404，通过选择、交叉、变异的方法差分进化操作，计算得到种群规模、进化代数、交叉概率、变异概率；

步骤S405，是否达到设计的进化代数，如果否，则执行S406，如果是则执行S407；

步骤S406，继续通过选择、交叉、变异的方法差分进化操作，计算得到种群规模、进化代数、交叉概率、变异概率，执行S405；

步骤S407，返回当前种群中适应度最大的个体，应用FCM聚类过程计算隶属度矩阵,计算目标函数，输出结果V，J。

本发明的有益效果是：本发明提供的一种局域网内网入侵的智能检测方法，综合了网络入侵的复杂性信息，借助了已有的模糊C均值聚类算法技术，采用了具有智能性的差分进化算法，实现并进一步完善对网络入侵检测的高效和智能化，使现有的入侵检测系统的防护手段得到进一步提高。

附图说明