[发明专利]一种基于D-S证据理论的网络异常检测方法

说明书

本发明提供一种基于D‑S证据理论的网络异常检测方法，包括以下步骤：S1：利用采集装置对多个检测点进行监测；S2:将采集到的网络数据进行预处理：S3：将步骤S2预处理得到的数据导入至故障诊断分析系统内进行数据分析；S4：将故障诊断分析系统检测得到的结果进行可视化显示。本发明通过将采集装置采集到的数据传递至预处理装置内，进行对应的数字信号和非数字信号的分类，然后，在导入至故障诊断分析系统内进行故障分析，最后进行可视化显示更为的直观。

技术领域

本发明涉及网络异常检测技术领域，主要涉及一种基于D-S证据理论的网络异常检测方法。

背景技术

网络异常检测技术是入侵检测领域研究的热点内容,但由于存在着误报率较高、检测攻击范围不够全面、检测效率不能满足高速网络实时检测需求等问题,并未在实际环境中得以大规模应用。

现有的网络异常检测方法如专利号为CN201910589366.X一种网络异常检测模型的训练方法、网络检测方法及装置，其中，该训练方法包括：获取基站小区在时间和空间上的多个样本数据；基于多个样本数据进行聚类训练，确定正样本数据和负样本数据，聚类训练后的离群点对应的样本数据为负样本数据，聚类训练后的非离群点对应的样本数据为正样本数据；将多个样本数据作为网络异常检测模型的输入，将多个样本对应的正负样本标签作为网络异常检测模型的输出，对网络异常检测模型训练，网络异常检测模型用于检测基站小区在通信场景下的多个维度的网络性能指标是否正常。本发明实施例解决现有技术中对通信网络进行检测的准确性比较低的问题。

同时，由于D-S证据理论的计算量问题较大、BPA构造复杂等问题导致该证据理论应用的局限性，从而使得现在的D-S证据理论不能满足网络异常检测的需要。

发明内容

本发明主要提供了一种电脑机箱表面抗菌装置，用以解决上述背景技术中提出的技术问题。

本发明解决上述技术问题采用的技术方案为：一种基于D-S证据理论的网络异常检测方法，包括以下步骤：

S1：利用采集装置对多个检测点进行监测；

S2:将采集到的网络数据进行预处理：

S3：将步骤S2预处理得到的数据导入至故障诊断分析系统内进行数据分析；

S4：将故障诊断分析系统检测得到的结果进行可视化显示。

进一步的，多个监测点的类型为电压、电流、电阻、温度、湿度、流量、受力、磁场强度、光强、辐射、振动或角度时，采集装置则选用于之对应的传感器；当系统应用于图像、视频处理领域时，多个监测点类型为一幅图像时，采集装置则选用于之对应的摄像头、摄像机、照相机、取景器、图像传感器、感光元件传感器、录像机、放像机或计算机；当系统应用于音频、信号处理领域时，待检测系统的监测点类型为声音信号、电磁波信号、生物信号、雷达信号、声纳信号、光电信号时，采集装置则选用于之对应的信号传感器、信号接收器、信号探测器；当系统应用于经管信息领域时，待检测系统的监测点类型为经济指标、化学分析指标、设备检测结果、调查统计结果时，采集装置则选用于之对应的计算机检测系统、检测设备、化学分析设备或统计计算设备。

进一步的，所述步骤2包括如下子步骤

S21：将采集到的网络数据划分为数值型数据和非数值型数据；

S22：对非数值型数据进行数值处理转换为数值字段数据；

S23：对数值字段数据进行线性变化，采用Min-Max归一化方法将数值字段数据归一化到[0，1]的范围；

S24：对数值型数据以及经步骤2.2-2.3处理得到的数值字段数据进行数据清洗。

进一步的，所述故障诊断分析系统包括如下子步骤：

S31:利用采集装置收集步骤S2处理后的数据；