基于Transformer的网络入侵检测方法及系统
申请人信息
- 申请人:广东技术师范大学
- 申请人地址:510665 广东省广州市天河区中山大道西293号
- 发明人: 广东技术师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于Transformer的网络入侵检测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410095345.3 |
| 申请日 | 2024/1/22 |
| 公告号 | CN117692249A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | H04L9/40 |
| 权利人 | 广东技术师范大学 |
| 发明人 | 刘兰; 陆海; 周驰宇; 蔡廷丰; 李泳欣; 徐震睿 |
| 地址 | 广东省广州市天河区中山大道西293号 |
摘要文本
本发明公开了基于Transformer的网络入侵检测方法及系统，所述方法包括：构建网络入侵检测数据集，设置数据集规范；基于数据集规范对网络入侵检测数据集进行预处理；将预处理后的数据进行数据划分，得到划分后的数据集；使用对比学习对划分后的训练集进行训练，得到初步训练结果，将初步训练结果输入机器学习模型进行训练，获得特征子集；将特征子集传入Transformer模型分别进行训练，保存两个网络入侵检测模型，记作Model1和Model2，记录模型的准确率；使用所述Model1和Model2分别对划分后的测试集进行测试，得到模型的预测值，对所述预测值加权判别后输出分类结果，完成对网络入侵的检测。
专利主权项内容
1.基于Transformer的网络入侵检测方法，其特征在于，所述方法包括：S1.采集网络入侵检测数据流，构建网络入侵检测数据集，并根据数据集设置数据集规范；S2.基于所述数据集规范对所述网络入侵检测数据集进行预处理，得到预处理后的数据；S3.将所述预处理后的数据进行数据划分，得到划分后的数据集；S4.使用对比学习对划分后的训练集进行训练，得到初步训练结果，将所述初步训练结果输入机器学习模型进行训练，获得特征子集；S5.将所述特征子集传入Input encoder、Bert和Classification Head组成的Transformer模型以及Input encoder、GPT2.0和Classification Head组成的Transformer模型分别进行训练，保存两个网络入侵检测模型，记作Model1和Model2，记录所述Model1和Model2的准确率；S6.使用所述Model1和Model2分别对划分后的测试集进行测试，得到模型的预测值，对所述预测值加权判别后输出分类结果，完成对网络入侵的检测。