[发明专利]基于人工智能算法的软件定义网络中入侵检测方法和装置

权利要求书

1.一种基于人工智能算法的软件定义网络中入侵检测方法，其特征在于，包括以下步骤：

对软件定义网络中的流量数据集进行分析，利用随机森林算法选取与入侵检测相关的特征数据；

基于k-means++算法和Adaboost算法分别构建k-means++混合特征分类器和Adaboost混合特征分类器，并基于k-means++混合特征分类器和Adaboost混合特征分类器，构建组合分类器；

将软件定义网络中的流量数据集的与入侵检测相关的特征数据输入组合分类器，分别导入k-means++混合特征分类器和Adaboost混合特征分类器，输出得到各个混合特征分类器的分类结果；

对各个混合特征分类器的分类结果按类别进行加权求和，得到综合分类结果，实现对入侵检测分类；

其中，所述对各个混合特征分类器的分类结果按类别进行加权求和，得到综合分类结果，实现对入侵检测分类，其具体步骤包括：

步骤A1：利用公式(1)根据每个与入侵检测相关的进行数值转换后的特征数据的各个混合特征分类器的分类结果得到每个与入侵检测相关的进行数值转换后的特征数据的分类结果二进制数组

[F(a)]₂＝[D₁(1),D₁(2),…D₁(n)]||[D₂(1),D₂(2),…D₂(n)] (1)

其中[F(a)]₂表示第a个与入侵检测相关的进行数值转换后的特征数据的分类结果二进制数组；[D₁(1),D₁(2),…D₁(n)]表示按照k-means++混合特征分类器和Adaboost混合特征分类器对每个与入侵检测相关的进行数值转换后的特征数据的所有分类结果按照识别的顺序进行排列形成排列数组，并且当k-means++混合特征分类器识别到第a个与入侵检测相关的进行数值转换后的特征数据的分类结果后会将所述排列数组中被识别到的分类结果标注为1，其余项标注为0，形成k-means++混合特征分类器关于第a个与入侵检测相关的进行数值转换后的特征数据的分类数组；[D₂(1),D₂(2),…D₂(n)]表示按照k-means++混合特征分类器和Adaboost混合特征分类器对每个与入侵检测相关的进行数值转换后的特征数据的所有分类结果按照识别的顺序进行排列形成排列数组，并且当Adaboost混合特征分类器识别到第a个与入侵检测相关的进行数值转换后的特征数据的分类结果后会将所述排列数组中被识别到的分类结果标注为1，其余项标注为0，形成Adaboost混合特征分类器关于第a个与入侵检测相关的进行数值转换后的特征数据的分类数组；||表示按位或运算；

步骤A2：利用公式(2)根据每个与入侵检测相关的进行数值转换后的特征数据的分类结果二进制数组计算出每个分类结果的分类权重

其中W(i)表示按照k-means++混合特征分类器和Adaboost混合特征分类器对每个与入侵检测相关的进行数值转换后的特征数据的所有分类结果按照识别的顺序进行排列形成排列数组中的第i个分类结果的分类权重值；[F(a)]₂(i)表示第a个与入侵检测相关的进行数值转换后的特征数据的分类结果二进制数组中的第i位的二进制数值；m表示第a个与入侵检测相关的进行数值转换后的特征数据的分类结果二进制数组中的数值位数；n表示与入侵检测相关的进行数值转换后的特征数据的总数；Y{}表示数值1校验函数，若括号内的数值为1则函数值为1，若括号内的函数值不为1则函数值为0；

步骤A3：利用公式(3)根据每个分类结果的分类权重得到每个与入侵检测相关的进行数值转换后的特征数据的综合分类结果

其中I(a)表示第a个与入侵检测相关的进行数值转换后的特征数据的综合分类结果为按照k-means++混合特征分类器和Adaboost混合特征分类器对每个与入侵检测相关的进行数值转换后的特征数据的所有分类结果按照识别的顺序进行排列形成排列数组中的第I(a)个分类结果；表示将i的值从1取值到m得到括号内公式最大值是所对应的i值。