1.一种基于遗传算法和ANFIS相结合的网络入侵异常检测方法,其特征在于,包括步骤:S1:特征编码处理:对标签型特征变量进行label encoding编码,选取与标签编码不同数量级的数值来编码缺失值;
S2:对特征编码后的数据集进行z-score标准化处理;
S3:将标准化后的数据集进行PCA降维处理;
S4:在降维后的数据集中选定训练集和测试集,从所述训练集中抽取部分样本,作为实例样本,初始化隶属度函数及各所述实例样本在每个维度上的隶属度函数的数目,结合各所述实例样本在ANFIS模型的输出构建适应度函数,采用遗传算法依次迭代进行选择、交叉、变异操作,选取最优规则链;
S5:将选取的最优规则链作为ANFIS模型推理过程中的模糊规则库,在所述训练集上对所述ANFIS模型进行训练,然后在所述测试集上进行验证,确定待测样本属于正常类型还是异常类型。
2.根据权利要求1所述的基于遗传算法和ANFIS相结合的网络入侵异常检测方法,其特征在于,所述数据集为UNSW-NB15网络入侵检测基准数据集。
3.根据权利要求1所述的基于遗传算法和ANFIS相结合的网络入侵异常检测方法,其特征在于,隶属度函数为高斯分布函数。
4.根据权利要求1-3任意一项所述的基于遗传算法和ANFIS相结合的网络入侵异常检测方法,其特征在于,步骤S4包括:S401:从经步骤S3降维后的数据集中选定训练集和测试集,在所述训练集中抽取部分样本,作为实例样本;
S402:初始化隶属度函数及各所述实例样本在每个维度上的隶属度函数的数目,以每个所述实例样本在ANFIS模型的预测输出与期望输出之间的平均距离构建损失函数,如式(2)所示:其中, 表示期望输出, 表示预测输出,m表示实例样本的数量;
适应度函数如式(3)所示:
S403:初始化以下参数:规则链长度,种群大小,迭代次数,交叉概率,变异概率,每次选择操作的淘汰占比和存活占比;
S404:根据公式(2)和公式(3)计算种群的适应度集合为fit={γ1,γ2,...γm},其中γi,i=1,2,...m表示每条规则链的适应度,使用公式 对fit进行归一化处理,得到 使集合中所有元素之和为1;
S405:选取 中具有最大适应度的规则链作为第一最优规则链;
S406:如果迭代次数为零,则完成迭代,最优规则链为步骤S405选取的第一最优规则链,记为opt,否则,迭代次数减一,进入选择操作;
S407:选择操作:按照 集合中 越大,其对应的规则链被选择为继续生存的概率越大的原则,根据设定的存活占比选择相应比例的个体继续存活;
S408:交叉操作:按照 集合中 越大,其对应的规则链被抽取的概率越大的标准,按照不放回抽取的原则抽取一对规则链,依次循环,直到所有的规则链抽取完毕,针对每对规则链按照交叉概率进行随机单点交叉操作;
若种群大小为奇数,最后一条规则链不进行交叉操作;
S409:变异操作:针对每条规则链按照变异概率进行随机单点变异操作;
S410:重复步骤S404-S409,依次迭代进行选择、交叉、变异操作,直到迭代次数为零,选择出 中具有最大适应度的规则作为最优规则链,记为opt。