一种基于改进D-S证据理论的网络异常检测方法
专利汇可以提供一种基于改进D-S证据理论的网络异常检测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于改进D-S证据理论的网络 异常检测 方法，包括如下步骤：步骤1，采集网络数据；步骤2，对采集到的网络数据进行数据预处理；步骤3，利用经步骤2处理后的网络数据，采用改进的D-S证据理论训练网络异常检测模型；步骤4，将真实网络数据输入网络异常检测模型进行网络异常检测；步骤5，对网络异常检测结果进行 可视化 处理。本发明基于改进D-S证据理论进行网络异常检测，可以更好地确定不确定假设，得到更加精准的网络异常检测结果。，下面是一种基于改进D-S证据理论的网络异常检测方法专利的具体信息内容。
1.一种基于改进D-S证据理论的网络异常检测方法，其特征在于，包括如下步骤：
步骤1，采集网络数据；
步骤2，对采集到的网络数据进行数据预处理；
步骤3，利用经步骤2处理后的网络数据，采用改进的D-S证据理论训练网络异常检测模型；
步骤4，将真实网络数据输入网络异常检测模型进行网络异常检测；
步骤5，对网络异常检测结果进行可视化处理。
2.根据权利要求1所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，所述步骤1的方法为：通过截获网络中传送的数据包，收集连接时间、网络类型、窗口大小、以及传输数据大小。
3.根据权利要求1所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，所述步骤2包括如下子步骤：
步骤2.1，将采集到的网络数据划分为数值型数据和非数值型数据；
步骤2.2，对非数值型数据进行数值处理转换为数值字段数据；
步骤2.3，对数值字段数据进行线性变化，采用Min-Max归一化方法将数值字段数据归一化到[0，1]的范围；
步骤2.4，对数值型数据以及经步骤2.2-2.3处理得到的数值字段数据进行数据清洗。
4.根据权利要求1所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，所述步骤3包括如下子步骤：
步骤3.1，提取网络数据中的关键特征内容并进行属性划分；
步骤3.2，将属性划分的网络数据进行骤2处理，并将得到的网络数据划分为训练集和测试集；
步骤3.3，在训练集上采用模糊朴素贝叶斯方法和FCM算法计算不同属性在识别框架上的BPA；
步骤3.4，使用Dempster合成规则将不同属性的BPA进行整合得到综合BPA；
步骤3.5，将综合BPA转换为一个聚焦决策的Pignistic概率函数；
步骤3.6，将测试集输入Pignistic概率函数，具有最大Pignistic概率的输出结果作为测试集的输出网络异常检测结果，并以此验证测试集的输出网络异常检测结果的准确率符合要求时，该Pignistic概率函数作为网络异常检测模型。
5.根据权利要求4所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，所述步骤3.3中的方法如下：
(1)确定识别框架Θ
Θ＝C＝{C1，C2，...，Cn} (1)
识别框架幂集2Θ的焦元表示为：
Ω＝{{C1}，...，{CN}，{C1，C2}，...，{Ci，Cj}，...，{CN-1，CN}} (2)其中，复合元素{Ci，Cj}(i≠j)为D-S证据理论中的不确定假设；
(2)通过计算隶属度值和隶属度方差确定复合假设
首先，给定训练集中的一个输入样本，对于属性x，计算隶属度值为：
μ{Ci}(x)＝ui(xi)＝maxjuij(xi) (3)
然后，对于复合假设{Ci，Cj}，在属性x分类之后计算每一个模糊划分下的隶属度方差为：
其中，M是期望，隶属度矩阵为
最后，设置一个阈值D(u)作为隶属度方差阈值，在该模糊划分下，隶属度矩阵U的每一行的隶属度方差的平均值作为阈值D(u)的取值，当D(ui)＜D(u)时认为该输入样本同时具有两种类别标签的性质，即属于复合假设；
(3)计算生成类BPA
使用一个模糊AND算子来分配与复合假设相关的质量函数，通过模糊朴素贝叶斯方法计算得到每个复合假设的生成类BPA函数为：
(4)计算判别类BPA
定义复合假设的类别质心 为：
利用输入样本和类别质心距离的指数函数作为判别类BPA函数：
(5)加权整合生成类BPA和判别类BPA
整合等式如下：
其中， 表示生成类BPA， 表示判别类BPA，0≤α，β≥1是自适应确定两类证据重要性的调节参数；
则对于属性x的BPA：mx({·})的定义为：
其中，K是用来满足质量函数，使等式得出有效BPA的归一化因数：
6.根据权利要求5所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，公式(6)中∧运算为最小值作为三角范式。
7.根据权利要求5所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，所述步骤3.4中使用的Dempster合成规则包括：
(1)对于两个证据的BPA合成
对于 命题A对于同一识别框架Θ上的两个质量函数：m1，m2，其Dempster合成规则为：
其中，符号 表示正交和，使质量函数之和为1，则K为归一化常数：
(2)对于多个证据的BPA合成
对于 命题A对于同一识别框架Θ上的n个质量函数：m1，m2，…，mn时，其Dempster合成规则为：
其中，归一化常数K为：
8.根据权利要求5所述的基于改进D-S证据理论的网络异常检测方法，其特征在于，所述步骤3.5中将综合BPA转换为一个聚焦决策的Pignistic概率函数的等式为：
一种基于改进D-S证据理论的网络异常检测方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 属性冲突发现方法和装置 | 2020-05-08 | 1036 |
| 一种一次回风空调系统中传感器误差的在线识别与修复方法 | 2020-05-08 | 485 |
| 基于知识图谱的智能扫地机行为决策方法及智能扫地机 | 2020-05-12 | 301 |
| 突变数据识别方法、训练方法、处理装置及存储介质 | 2020-05-12 | 549 |
| 一种服务策略制定方法、装置、存储介质及电子设备 | 2020-05-12 | 216 |
| 一种基于改进D-S证据理论的网络异常检测方法 | 2020-05-11 | 843 |
| 一种基于贝叶斯网络的网络安全态势预测方法及装置 | 2020-05-12 | 726 |
| 一种车辆行驶过程中驾驶员突发疾病监测及处理方法 | 2020-05-12 | 380 |
| 一种云服务合成方法、云服务器和云服务合成系统 | 2020-05-11 | 221 |
| 一种基于红外图像的劣化绝缘子识别诊断方法及其装置 | 2020-05-11 | 340 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
