[发明专利]基于数据包的入侵检测方法、装置及存储介质

权利要求书

1.一种基于数据包的入侵检测方法，其特征在于，包括：

在入侵检测过程中，将数据流划分为数据包；

对所述数据包中的各样本特征进行特征归一化处理，其中，所述数据包中包括多个样本，每个所述样本中包括多个样本特征；

对各归一化处理后的样本特征进行距离变换；

所述对各归一化处理后的样本特征进行距离变换，包括：

根据公式进行距离变换，为x_ak和x_bk之间的特征距离函数，x_ak和x_bk为矩阵X中第a个样本和第b样本的第k个特征，τ＝{D¹,D²,…,Dⁿ}为每个样本的n个特征的距离矩阵；

对距离变换后的各样本特征进行映射处理，得到各所述样本分别对应的特征向量；

所述对距离变换后的各样本特征进行映射处理，得到各所述样本分别对应的特征向量，包括：

构建1×r维向量其中

根据公式进行特征映射，其中，p是z的维数0≤i≤b-1；

基于各所述样本分别对应的特征向量，在各所述样本中选择多个样本作为训练包样本，得到训练包样本集；并在各所述样本中选择多个样本作为测试包样本，得到测试包样本集；其中，所述训练包样本集中包括至少一个训练样本，测试包样本集中包括至少一个测试包样本；

基于Bagging方式，进行采样操作；

基于Adaboost迭代算法，调整采样得到的样本数量；

根据采样得到的所述样本数量对应的各样本，训练得到强分类器，所述强分类器由多个基分类器构成；

基于所述强分类器，构建入侵检测模型；

将所述测试包样本集作为输入，对所述入侵检测模型进行测试，并得到测试结果，所述测试结果包括正常状态和异常状态。

2.根据权利要求1所述的基于数据包的入侵检测方法，其特征在于，所述对所述数据包中的各样本特征进行特征归一化处理，包括：

根据公式得到数据包矩阵，其中，所述数据包由m个样本构成，每个样本由n个特征构成，x_i＝(x_i1,x_i2,…,x_in),i＝1,…,m为每个样本的特征向量,x_lk为第l个样本的第k个特征；

根据公式对数据包矩阵进行特征归一化变换，其中，X为归一化处理后的样本特征，中所有元素为[0,1]之间的值。