[发明专利]一种基于划分和特征变化的入侵检测系统及方法

摘要

本发明公开了一种基于划分和特征变化的入侵检测系统及方法，该方法包括以下步骤：在训练阶段，使用K‑means聚类方法划分正常数据包训练集为多个簇，将每个簇与网络入侵数据包训练集合并形成多个新的训练集，在每个训练集Di上学习一个特征变换矩阵Qi，并在由Qi定义的空间内学习k近邻模型Mi；在预测阶段，使用学习到的K‑means方法为待预测数据包选择相应空间里的k近邻预测模型，并使用该模型预测数据包是否为入侵数据包。该发明能够有效地分析数据包是否属于入侵包，并且能在预测正常和入侵样本上保持高准确率，从而具有更广泛的工程应用价值。

主权项

一种基于划分和特征变化的入侵检测系统，其特征在于，包括数据采集模块、学习模块和预测模块，所述数据采集模块：输入网络数据包数据作为学习基于划分和特征变换的入侵检测模型的基础训练数据；所述学习模块：使用K‑means方法划分正常数据包为多个簇，将每个簇的数据包与入侵包组合成新的训练集，用于训练一个特征变换矩阵和相应的k近邻入侵检测模型；所述预测模块：给定预测包样本x，使用K‑means方法为x投影到相应的特征变换空间，并使用相应的k近邻入侵检测模型预测样本x的类别。