[发明专利]基于深度生成模型的半监督入侵检测方法

权利要求书

1.一种基于深度生成模型的半监督入侵检测方法，其特征在于：至少包括如下步骤：

步骤一、将数据集中的符号属性转化为数值型属性，然后将所有数值型属性归一化；

步骤二、将归一化处理后的数据作为变分自编码的输入，建立高维空间到低维空间的双向映射，设置模型的深度和每一层隐藏层单元的个数，进而得到隐变量z，将隐变量z作为分类器的输入变量，训练分类器；得到分类误差；

步骤三、将有标签样本编码得到的隐变量z和有标签样本的签信息做数据重构，生成新的有标签样本；

步骤四、利用无标签样本编码得到的隐变量z预测其标签所属每一类别的概率，用无标签样本预测得到的标签作为另一个隐变量与z共同生成新的无标签样本；

步骤五、利用有标签样本和无标签样本的重构误差结合步骤二中的分类误差作为模型的目标函数，训练模型参数直至收敛。

2.根据权利要求1所述的基于深度生成模型的半监督入侵检测方法，其特征在于：步骤一具体为：首先用Onehot编码将数据集中的protocol_type、service、flag三个符号属性转化为数值化属性，然后用最小-最大化方法对全部数值属性归一化处理，使得各属性取值处于同一个数量级，以此得到标准化的数据集。

3.根据权利要求1所述的基于深度生成模型的半监督入侵检测方法，其特征在于：步骤二具体为：首先设置变分自编码模型的深度以及每一层隐藏层单元的个数，然后将预处理之后的数据集作为模型的输入，采用变分自编码对输入的数据进行降维处理并重构数据，得到原数据集的低维表示即隐变量z，最后将隐变量z作为分类器的输入结合有标签数据做监督学习训练分类器。

4.根据权利要求1所述的基于深度生成模型的半监督入侵检测方法，其特征在于：步骤三具体为：首先输入的有标签样本经变分自编码模型处理后得到隐变量z,然后将隐变量z与有标签样本的标签借助变分自编码的解码算法重构有标签样本。

5.根据权利要求1所述的基于深度生成模型的半监督入侵检测方法，其特征在于：步骤四具体为：首先输入的无标签样本经变分自编码模型处理后得到隐变量z，设无标签样本类别服从多项式分布，然后利用隐变量z预测样本属于每一个类别的概率，最后将隐变量z与预测得到的标签信息借助变分自编码的解码算法重构无标签样本。

6.根据权利要求1所述的基于深度生成模型的半监督入侵检测方法，其特征在于：步骤五具体为：首先计算步骤三得到重构有标签样本与原始有标签样本间的误差L(x,y)，x是样本，y是样本的标签信息，然后计算步骤四得到重构无标签样本与原始无标签样本间的误差U(x)，最后加上步骤二中分类器的分类误差y_pred作为整个模型的目标函数，并最小化目标函数，以此来训练模型的参数直至收敛。