[发明专利]基于深度生成模型的半监督入侵检测方法

摘要

本发明公开了一种基于深度生成模型的半监督入侵检测方法，包括：一、数据预处理，将数据集中的符号属性转化为数值属性，后对全部数值属性进行归一化处理；二、利用生成模型中的变分自编码技术将有标签和无标签数据的高维特征表示转换成新特征空间低维表示，对低维特征向量加一个约束使之服从高斯正太分布，得到隐变量z，用隐变量z结合有标签样本训练分类器；三、有标签样本数据重构，用隐变量z结合标签类别信息共同生成新的有标签样本；四、无标签样本重构，用隐变量z预测无标签样本所属每一个类别的概率，然后结合隐变量z生成新的无标签样本；五、用新生成的有标签和无标签样本计算模型的重构误差，结合分类误差训练优化模型参数直至收敛。

主权项

1.一种基于深度生成模型的半监督入侵检测方法，其特征在于：至少包括如下步骤：步骤一、将数据集中的符号属性转化为数值型属性，然后将所有数值型属性归一化；步骤二、将归一化处理后的数据作为变分自编码的输入，建立高维空间到低维空间的双向映射，设置模型的深度和每一层隐藏层单元的个数，进而把得到隐变量z，将隐变量z作为分类器的输入变量，训练分类器；得到分类误差；步骤三、将有标签样本编码得到的隐变量z和有标签样本的签信息做数据重构，生成新的有标签样本；步骤四、利用无标签样本编码得到的隐变量z预测其标签所属每一类别的概率，用无标签样本的标签作为另一个隐变量z共同生成新的无标签样本；步骤五、利用有标签样本和无标签样本的重构误差结合步骤二中的分类误差作为模型的目标函数，训练模型参数直至收敛。