[发明专利]基于免疫策略的流量数据最优特征子集获取方法及装置有效
| 申请号: | 201911260504.6 | 申请日: | 2019-12-10 |
| 公开(公告)号: | CN110995722B | 公开(公告)日: | 2020-09-29 |
| 发明(设计)人: | 陈硕;林秋镇;陈剑勇 | 申请(专利权)人: | 深圳大学 |
| 主分类号: | H04L29/06 | 分类号: | H04L29/06 |
| 代理公司: | 深圳市精英专利事务所 44242 | 代理人: | 李翔宇 |
| 地址: | 518000 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 免疫 策略 流量 数据 最优 特征 子集 获取 方法 装置 | ||
1.一种基于免疫策略的流量数据最优特征子集获取方法,其特征在于,包括:
根据预设的种群大小值进行初始化,得到初始化种群;其中,所述初始化种群中包括多个个体,多个个体的总个数与所述种群大小值相等,每一个体对应一个二进制序列,每一个体对应的二进制序列中包括的特征数量与网络流量数据的特征数量相等;
获取预先存储的入侵检测数据集,通过所述初始化种群中每一个体对所述入侵检测数据集进行特征选择及输入至预先训练的自组织神经网络进行分类,得到所述初始化种群中每一个体对应的分类结果集;
调用预先存储的多目标策略,将所述初始化种群中每一个体对应的分类结果集作为多目标策略的输入,获取所述初始化种群中每一个体对应的分类结果集相对应的目标值集合;
调用预先设置的克隆比例参数,获取所述初始化种群对应的非支配个体集,并对应获取所述非支配个体集中每一非支配个体分别对应的目标值集合;其中,将所述初始化种群中非支配个体集的补集记为筛选个体集,所述非支配个体集中每一非支配个体对应的目标值集合各目标值均大于或等于筛选个体集中每一筛选个体对应的目标值集合各目标值;
调用预设的聚集距离策略以获取所述非支配个体集中每一非支配个体对应的聚集距离,调用预设的克隆概率策略以获取所述非支配个体集中每一非支配个体对应的克隆概率,将所述非支配个体集中每一非支配个体根据对应的克隆概率进行克隆,得到与所述非支配个体集相对应的克隆后个体集;
将所述克隆后个体集与所述初始化种群依次进行混合、去重、交叉处理和变异处理,得到进化后种群;
调用所述种群大小值,获取所述进化后种群对应的进化后非支配个体集;其中,将所述进化后种群中进化后非支配个体集的补集记为进化后筛选个体集,所述进化后非支配个体集中每一进化后非支配个体对应的目标值集合各目标值均大于或等于进化后筛选个体集中每一进化后筛选个体对应的目标值集合各目标值;所述进化后非支配个体集中的进化后非支配个体的总个数等于所述种群大小值;
获取当前迭代代数,将所述当前迭代代数加一以作为当前迭代代数,判断所述当前迭代代数是否达到预设的最大迭代代数;其中,所述当前迭代代数的初始值为0;
若所述当前迭代代数达到所述最大迭代代数,将所述进化后非支配个体集输出以作为最佳特征子集。
2.根据权利要求1所述的基于免疫策略的流量数据最优特征子集获取方法,其特征在于,所述获取预先存储的入侵检测数据集,通过所述初始化种群中每一个体对所述入侵检测数据集进行特征选择及输入至预先训练的自组织神经网络进行分类,得到所述初始化种群中每一个体对应的分类结果集,包括:
获取预先存储的入侵检测数据集,及所述入侵检测数据集包括的每一网络流量数据;其中,所述入侵检测数据集中包括5种类型的网络流量数据集,所述入侵检测数据集中每一网络流量数据的分类结果真实类型为正例;
将各网络流量数据根据初始化种群中每一个体进行特征选择并简化,得到与每一个体对应的简化后入侵检测数据集;其中,所述简化后入侵检测数据集中每一简化网络流量数据的分类结果真实类型为正例;
将每一个体对应的简化后入侵检测数据集均对应根据预先训练的自组织神经网络进行分类,得到每一个体对应的分类结果集;其中,所述分类结果集中包括5种分类结果子集,每一分类结果子集对应一种类型的简化网络流量数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911260504.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种短路测试工装
- 下一篇:一种阿托品半抗原及其合成方法、抗原、抗体和应用





