1.一种基于深度k近邻的网络攻击检测方法,其特征在于,所述基于深度k近邻的网络攻击检测方法,包括:
对样本数据进行预处理,将预处理后的样本数据分为训练样本数据和校正样本数据;
构建用于网络攻击检测的深度网络模型,采用训练样本数据训练深度网络模型,得到训练好完成的深度网络模型;
将训练样本数据输入到训练完成的深度网络模型中,获取训练样本数据在深度网络模型每一层的输出;
将校正样本数据输入到训练完成的深度网络模型中,获取深度网络模型每一层的校正输出点,找出训练样本数据在深度网络模型对应层的输出相对于所述校正输出点的k个近邻点,计算近邻点中标签与输入校正样本数据的标签不同的近邻点到所述校正输出点的欧氏距离及对应的距离特征,所述距离特征为1/欧氏距离,对所有层所计算出的距离特征进行求和得到距离特征之和a,所有校正样本数据对应的距离特征之和组成数据集A;
将待检测数据z输入到训练完成的深度网络模型中,获取深度网络模型每一层的待检测输出点,找出训练样本数据在深度网络模型对应层的输出相对于所述待检测输出点的k个近邻点,对于第j个候选标签值,计算近邻点中标签与第j个候选标签值不同的近邻点到所述待检测输出点的欧氏距离及对应的距离特征,所述距离特征为1/欧氏距离,对所有层*
所计算出的距离特征进行求和得到距离特征之和a(z,j);
通过如下公式计算出可信度值pj(z):* *
其中|{a∈A:a≥a (z,j)}|表示集合A中a≥a (z,j)的元素数量,|A|表示集合A中元素的数量;
然后,通过如下公式计算出待检测数据的预测结果prediction(z)以及对应的可信度credibility(z):prediction(z)=argmax(pj(z))credibility(z)=max(pj(z))其中,argmax函数是取最大可信度所对应的标签,max函数是取最大可信度。
2.如权利要求1所述的基于深度k近邻的网络攻击检测方法,其特征在于,所述对样本数据进行预处理,包括:
删除样本数据中无意义字段,将源IP地址和目的IP地址字段中的IP地址映射为int型数值;
将样本数据中性质相似的标签合并;
从每个标签对应的样本中取预设数量的样本,打乱顺序形成新的样本数据;
对样本数据进行归一化处理。
3.如权利要求1所述的基于深度k近邻的网络攻击检测方法,其特征在于,所述深度网络模型为simple、GRU、LSTM、CNN_GRU、CNN_LSTM中的任意一种。
4.一种基于深度k近邻的网络攻击检测装置,其特征在于,所述基于深度k近邻的网络攻击检测装置,包括:
深度网络模型训练模块,用于对样本数据进行预处理,将预处理后的样本数据分为训练样本数据和校正样本数据,采用训练样本数据训练用于网络攻击检测的深度网络模型,得到训练好完成的深度网络模型;
中间数据准备模块,用于将训练样本数据输入到训练完成的深度网络模型中,获取训练样本数据在深度网络模型每一层的输出;然后将校正样本数据输入到训练完成的深度网络模型中,获取深度网络模型每一层的校正输出点,找出训练样本数据在深度网络模型对应层的输出相对于所述校正输出点的k个近邻点,计算近邻点中标签与输入校正样本数据的标签不同的近邻点到所述校正输出点的欧氏距离及对应的距离特征,所述距离特征为1/欧氏距离,对所有层所计算出的距离特征进行求和得到距离特征之和a,所有校正样本数据对应的距离特征之和组成数据集A;
DkNN分析模块,用于执行如下操作:将待检测数据z输入到训练完成的深度网络模型中,获取深度网络模型每一层的待检测输出点,找出训练样本数据在深度网络模型对应层的输出相对于所述待检测输出点的k个近邻点,对于第j个候选标签值,计算近邻点中标签与第j个候选标签值不同的近邻点到所述待检测输出点的欧氏距离及对应的距离特征,所述距离特征为1/欧氏距离,对所有层*
所计算出的距离特征进行求和得到距离特征之和a(z,j);
通过如下公式计算出可信度值pj(z):* *
其中|{a∈A:a≥a (z,j)}|表示集合A中a≥a (z,j)的元素数量,|A|表示集合A中元素的数量;
然后,通过如下公式计算出待检测数据的预测结果prediction(z)以及对应的可信度credibility(z):prediction(z)=argmax(pj(z))credibility(z)=max(pj(z))其中,argmax函数是取最大可信度所对应的标签,max函数是取最大可信度。
5.如权利要求4所述的基于深度k近邻的网络攻击检测装置,其特征在于,所述深度网络模型训练模块对样本数据进行预处理,执行如下操作:删除样本数据中无意义字段,将源IP地址和目的IP地址字段中的IP地址映射为int型数值;
将样本数据中性质相似的标签合并;
从每个标签对应的样本中取预设数量的样本,打乱顺序形成新的样本数据;
对样本数据进行归一化处理。
6.如权利要求4所述的基于深度k近邻的网络攻击检测装置,其特征在于,所述深度网络模型为simple、GRU、LSTM、CNN_GRU、CNN_LSTM中的任意一种。