公开(公告)号：CN117354056B

公开(公告)日：2024-02-13

申请号：CN202311642342.9

申请日：2023-12-04

Applicant: 中国西安卫星测控中心

Inventor： 陈晨 ,  陈光宇 ,  王超 ,  秦晓勇 ,  佟新 ,  盖世豪 ,  杨林涛 ,  冶晓艳 ,  王涛 ,  马见敏

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F18/213 ,  G06F18/241

Abstract: 本发明公开了一种基于卷积神经网络和集成学习算法的网络入侵检测方法，包括以下步骤：一、训练数据集的获取；二、建立CNN网络模型进行特征提取；三、建立LSTM网络模型、GRU网络模型和BP网络模型；四、M个归一化训练数据经过建立的LSTM网络模型、GRU网络模型和BP网络模型的处理，得到M个归一化训练数据对应的概率分布；五、建立ELM网络模型并训练；六、待测系统网络流量数据进行实时检测，并输入训练好的入侵检测模型得到网络入侵状态。本发明方法步骤简单、设计合理，基于卷积神经网络和集成学习算法进行检测，避免单个模型训练容易出现泛化误差大、过拟合的问题，提高了网络入侵检测的

公开(公告)号：CN117336195B

公开(公告)日：2024-02-06

申请号：CN202311628020.9

申请日：2023-12-01

Applicant: 中国西安卫星测控中心

Inventor： 陈晨 ,  陈光宇 ,  王超 ,  秦晓勇 ,  薛云刚 ,  佟新 ,  赵葱语 ,  张林 ,  魏丹 ,  滑伟

IPC: H04L41/147 ,  H04L41/16 ,  H04L9/40 ,  G06N3/08 ,  G06N3/0464 ,  G06F18/21 ,  G06F18/2411 ,  G06F18/2431

Abstract: 本发明公开了一种基于雷达图法的入侵检测模型综合性能评估方法，包括：一、训练数据集的获取；二、建立CNN神经网络模型并训练；三、建立支持向量机模型并训练；四、建立极限学习机模型并训练；五、基于雷达图对CNN神经网络模型、支持向量机模型和极限学习机模型三个入侵检测模型进行综合性能评估；六、待测系统网络流量数据进行实时检测，并将获取的待测系统网络流量数据输入最优入侵检测模型中预测得到网络状态类型。本发明方法步骤简单、设计合理，基于雷达图法面积评价值和周长评价值获取最优入侵检测模型，并利用最优入侵检测模型对待测系统网络流量数据预测，提高了预测的准确性。

公开(公告)号：CN117354056A

公开(公告)日：2024-01-05

申请号：CN202311642342.9

申请日：2023-12-04

Applicant: 中国西安卫星测控中心

Inventor： 陈晨 ,  陈光宇 ,  王超 ,  秦晓勇 ,  佟新 ,  盖世豪 ,  杨林涛 ,  冶晓艳 ,  王涛 ,  马见敏

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F18/213 ,  G06F18/241

Abstract: 本发明公开了一种基于卷积神经网络和集成学习算法的网络入侵检测方法，包括以下步骤：一、训练数据集的获取；二、建立CNN网络模型进行特征提取；三、建立LSTM网络模型、GRU网络模型和BP网络模型；四、M个归一化训练数据经过建立的LSTM网络模型、GRU网络模型和BP网络模型的处理，得到M个归一化训练数据对应的概率分布；五、建立ELM网络模型并训练；六、待测系统网络流量数据进行实时检测，并输入训练好的入侵检测模型得到网络入侵状态。本发明方法步骤简单、设计合理，基于卷积神经网络和集成学习算法进行检测，避免单个模型训练容易出现泛化误差大、过拟合的问题，提高了网络入侵检测的准确性。

公开(公告)号：CN117336195A

公开(公告)日：2024-01-02

申请号：CN202311628020.9

申请日：2023-12-01

Applicant: 中国西安卫星测控中心

Inventor： 陈晨 ,  陈光宇 ,  王超 ,  秦晓勇 ,  薛云刚 ,  佟新 ,  赵葱语 ,  张林 ,  魏丹 ,  滑伟

IPC: H04L41/147 ,  H04L41/16 ,  H04L9/40 ,  G06N3/08 ,  G06N3/0464 ,  G06F18/21 ,  G06F18/2411 ,  G06F18/2431

Abstract: 本发明公开了一种基于雷达图法的入侵检测模型综合性能评估方法，包括：一、训练数据集的获取；二、建立CNN神经网络模型并训练；三、建立支持向量机模型并训练；四、建立极限学习机模型并训练；五、基于雷达图对CNN神经网络模型、支持向量机模型和极限学习机模型三个入侵检测模型进行综合性能评估；六、待测系统网络流量数据进行实时检测，并将获取的待测系统网络流量数据输入最优入侵检测模型中预测得到网络状态类型。本发明方法步骤简单、设计合理，基于雷达图法面积评价值和周长评价值获取最优入侵检测模型，并利用最优入侵检测模型对待测系统网络流量数据预测，提高了预测的准确性。

公开(公告)号：CN116996279A

公开(公告)日：2023-11-03

申请号：CN202310902690.9

申请日：2023-07-21

Applicant: 中国西安卫星测控中心

Inventor： 陈晨 ,  陈光宇 ,  王超 ,  秦晓勇 ,  许小东 ,  王广华 ,  孙晓乐 ,  佟新 ,  任巧燕 ,  肖帅

IPC: H04L9/40 ,  G06N20/10 ,  H04L41/147 ,  H04L41/16

Abstract: 本发明公开了一种使用灰狼算法优化支持向量机的安全态势预测方法，包括：一、获取I个网络安全态势要素的历史时间序列累加归一化数据；二、对I个网络安全态势要素的历史时间序列累加归一化数据进行高维态处理，得到I个网络安全态势要素的训练数据集；三、获取训练好的支持向量机回归预测模型；四、根据I个训练好的支持向量机回归预测模型得到网络安全态势预测值。本发明方法步骤简单、设计合理，在各个安全态势要素数据累加归一化处理后输入基于灰狼算法对支持向量机回归预测模型进行优化和训练，并将训练好的支持向量机回归预测模型输出的多个安全态势要素预测值融合成网络安全态势预测值，具有较好的预测效果，且预测精度高。