[发明专利]一种基于变分自编码器和深度回声状态网络入侵检测方法

权利要求书

1.一种基于变分自编码器和深度回声状态网络的工业入侵检测方法，其特征在于，所述方法包括以下步骤：

步骤1：对入侵检测数据集进行数据预处理，将其划分为训练集与测试集；

步骤2：利用变分自编码器的概率生成特性，生成少数类攻击样本，添加到训练集中平衡样本分布，测试集不添加任何样本；

步骤3：搭建深度回声状态模型，将训练集传入深度回声状态网络模型，利用多层储备池有效提取数据的潜在特征，输出层输出样本在不同类别上的预测值；

步骤4：设置损失函数负责计算预测值与真实值之间的差距，利用梯度下降算法更新网络参数，保存训练好的深度回声状态网络模型；

步骤5：将测试集传入深度回声状态网络模型完成分类 。

2.根据权利要求1所述的一种基于变分自编码器和深度回声状态网络的工业入侵检测方法，其特征在于，所述深度回声状态网络模型的隐藏层中，储备池内神经元状态公式为：

时刻，第一层储备池由外部输入输入，之后每一层输入由堆栈中前一层的输出提供，每个储备池的神经元数量为，表示时刻第层的神经元状态；第一层储备池的神经元状态公式如下：

第二层及以后储备池的神经元状态公式如下：

其中为输入权重矩阵，为每层储备池的内部权重，为第层与第层之间的内部层连接权重，为第层的漏积参数。

3.根据权利要求1所述的一种基于变分自编码器和深度回声状态网络的工业入侵检测方法，其特征在于，所述深度回声状态网络模型的输出层设置：

输出层选用神经网络中的全连接层，激活函数设置为Softmax；输出层的输入为每个储备池状态的加权和，即输入输出层最后的输出维度为标签类别。