[发明专利]一种基于深度学习的网络入侵检测方法、装置以及设备

说明书

本发明公开了一种基于深度学习的网络入侵检测方法、装置、设备、方法以及计算机可读存储介质，包括：采集待检测网络的流量参数；将所述流量参数输入至预先完成训练的基于深度学习的入侵检测网络中，对所述待检测网络进行入侵检测；其中，所述基于深度学习的入侵检测网络包括输入层、图卷积层、池化层、全连接层、极限学习机层以及输出层；完成所述待检测网络的入侵检测后，根据入侵检测结果确定所述待检测网络的入侵类型。本发明所提供的方法、装置、设备以及计算机可读存储介质，提高了网络入侵检测结果的准确率。

技术领域

本发明涉及计算机网络安全技术领域，特别是涉及一种基于深度学习的网络入侵检测方法、装置、设备以及计算机可读存储介质。

背景技术

随着互联网的高速发展，用户的工作生活越来越离不开网络。根据我国互联网应急中心CNCERT，2019年4月最新发布的《2018年我国互联网安全态势综述报告》，网络覆盖范围日益扩大和网民数量不断增长的同时，我国面临的信息安全问题变得日益复杂，涵盖的方面包括，关键信息基础设施、云平台等面临的安全风险仍较为突出，APT攻击、数据泄露、分布式拒绝服务攻击(“DDoS攻击”)等问题也较为严重。2018年，CNCERT协调处置网络安全事件约10.6万起，其中网页仿冒事件最多，其次是安全漏洞、恶意程序、网页篡改、网站后门、DDoS攻击等事件。CNCERT持续组织开展计算机恶意程序常态化打击工作，2018年成功关闭772个控制规模较大的僵尸网络，成功切断了黑客对境内约390万台感染主机的控制。

在当前互联网模式不断改革创新、网民规模处于持续增长而产生海量应用信息的“大数据”时代下，构建安全的网络空间成为亟待解决的社会热点问题。入侵检测能够做到快速地、准确地、及时地从数据海洋中分析并发觉不法的攻击行为。目前入侵检测技术存在的对未知类型攻击检测能力较低以及不恰当的数据处理导致正确检测率偏低两个问题。

综上所述可以看出，如何提高网络入侵检测的准确率是目前有待解决的问题。

发明内容

本发明的目的是提供一种基于深度学习的网络入侵检测方法、装置、设备以及计算机可读存储介质，以解决现有技术中对未知类型攻击检测能力较低及不恰当的数据处理导致入侵检测的准确率偏低的问题。

为解决上述技术问题，本发明提供一种基于深度学习的网络入侵检测方法，包括：采集待检测网络的流量参数；将所述流量参数输入至预先完成训练的基于深度学习的入侵检测网络中，对所述待检测网络进行入侵检测；其中，所述基于深度学习的入侵检测网络包括输入层、图卷积层、池化层、全连接层、极限学习机层以及输出层；完成所述待检测网络的入侵检测后，根据入侵检测结果确定所述待检测网络的入侵类型。

优选地，所述采集待检测网络的流量参数包括：

利用包含有n个拓扑节点且每个拓扑节点采集r个参数的网络拓扑采集所述待检测网络的流量参数。

优选地，所述基于深度学习的入侵检测网络的图卷积层采用Relu函数作为激活函数，采用均值滤波器作为卷积滤波器。

优选地，所述将所述流量参数输入至预先完成训练的基于深度学习的入侵检测网络中，以便对所述待检测网络进行在线入侵检测前包括：

依据预设训练批次大小及预设迭代轮数，采用预选损失函数以及预处理后的样入侵类型样本数据集对预先建立的基于深度学习的入侵检测网络进行训练，直至相邻两次训练输出结果之间误差小于预设误差阈值，完成所述基于深度学习的入侵检测网络的训练。

优选地，所述依据预设训练批次大小及预设迭代轮数，采用预选损失函数以及预处理后的样入侵类型样本数据集对预先建立的基于深度学习的入侵检测网络进行训练，直至相邻两次训练输出结果之间误差小于预设误差阈值，完成所述基于深度学习的入侵检测网络的训练包括：