1.一种网络安全内部威胁检测方法,其特征在于,包括下列步骤:进行原始数据的特征收集,获得数据集;
将所述数据集划分为支持集与查询集;
所述支持集为训练集,所述查询集为测试集,所述支持集与所述查询集均为K-wayN-shot数据集;
数据输入Prototype网络进行内部检测;
数据输入Prototype网络进行内部检测的过程,具体为将数据输入Prototype网络中的映射函数得到每一个样本的特征向量,再将所述特征向量计算得到对应类的原型表示,后续将使用查询集中的特征向量与计算出的原型进行分类验证;
在数据输入Prototype网络进行内部检测的过程中,使用DNN神经网络学习样本数据的特征表示;
基于softmax的距离函数将计算出查询集中的样本与原型之间的距离分布,从而判定查询集样本属于哪一类原型,完成分类任务,分布函数计算公式表示如下:对于样本x通过相关计算得到隶属于类别k的概率,其中d(·)为距离函数;
基于CWGAN网络数据增强,将生成数据扩充至查询集后完成检测任务。
2.如权利要求1所述的网络安全内部威胁检测方法,其特征在于,在进行原始数据的特征收集,获得数据集的过程中,首先就原始数据提取出行为特征,然后行为特征数据进行缺少值以及归一化预处理。
3.如权利要求1所述的网络安全内部威胁检测方法,其特征在于,在基于CWGAN网络数据增强,将生成数据扩充至查询集后完成检测任务的过程中,将内部检测时计算出的原型表示的类别标签作为约束条件输入,使训练好的GAN网络的生成数据无限相似于源输入数据,将生成的数据扩充至查询集并完成分类验证测试。
4.如权利要求1所述的网络安全内部威胁检测方法,其特征在于,Prototype网络和CWGAN网络数据的参数调整通过GA遗传算法实现。