一种网络入侵检测方法、装置、电子设备及存储介质

专利主权项内容

1.一种网络入侵检测方法，其特征在于，包括：获取一待检测的网络流量数据；对所述网络流量数据进行数据处理，并分类得到第一类型特征数据集和第二类型特征数据集；分别从所述第一类型特征数据集和第二类型特征数据集中选取数据，组成一组输入数据；重复选取数据的操作，以得到多组不同的输入数据；将所述多组不同的输入数据输入预先完成训练的入侵检测网络模型，其中，所述入侵检测网络模型配置有多个子模型，多组输入数据与所述多个子模型一一对应，所述子模型被配置为预估对应的输入数据属于入侵数据的概率；利用各个子模型对对应的输入数据分别进行预估，若各个子模型预估的概率值均低于预设的第一概率阈值，则所述网络流量数据不属于入侵数据；否则所述网络流量数据属于入侵数据；所述子模型还被配置为识别入侵数据的入侵攻击类别，其输出的结果包括一种或多种入侵攻击类别及其对应的概率值；根据各个子模型输出的结果，确定所述网络流量数据所属的一种或多种入侵攻击类别；多个子模型预测得到多个入侵攻击类别的对应概率值；确定达到所述第一概率阈值的概率值中的最大值及其对应的第二入侵攻击类别；则该网络流量数据属于所述第二入侵攻击类别的入侵数据；对所述网络流量数据进行数据处理包括：对所述网络流量数据进行特征提取，计算每个被提取的特征的重要性指标；将重要性指标达到预设分数阈值的特征分类至所述第一类型特征数据集，将重要性指标低于预设分数阈值的特征分类至所述第二类型特征数据集；或者，将被提取的特征按照重要性指标由高到低进行排序，将排序在预设名次比例内的特征分类至所述第一类型特征数据集，将排序在预设名次比例外的特征分类至所述第二类型特征数据集；通过以下方式获取一组输入数据：取所述第一类型特征数据集中的全部数据，以及从所述第二类型特征数据集中随机抽取部分数据，组成一组输入数据，其中，被抽取的数据数量小于所述第一类型特征数据集中的数据数量；基于注意力机制计算被提取的特征的重要性指标：其中，exp()为指数函数，∑为求和函数，N为对网络流量数据提取得到的特征的数量，x为其中第i个特征，x为其中第j个特征，q为查询向量，α为特征x的重要性指标，s(x, q)为针对特征x的注意力打分函数，s(x, q)为针对特征x的注意力打分函数。ijiiiijj