买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学;东营市技师学院

摘要：本发明涉及一种网络攻击检测的方法，特别是涉及一种基于堆叠稀疏收缩自动编码器StackedSparseContractiveAutoencoders，SSCA、模拟退火遗传粒子群优化GeneticSimulated‑annealing‑basedParticleSwarmOptimization，GSPSO、引入注意力机制的双向长短时记忆网络Attention‑basedBidirectionalLong‑termandShort‑termMemory，AB‑LSTM分类器以及决策融合的网络入侵检测方法。首先，将获取到网络流量数据进行归一化处理，而后将其传入SSCA中，对该流量数据进行特征提取，使用GSPSO算法对SSCA的超参数进行优化以提取到更有效的N个特征集，然后将获得的N个特征集传入N个AB‑LSTM分类器中输出N个分类结果，最后利用决策融合算法，将N个分类器的分类结果融合，输出最终的准确分类结果。

主权项：1.一种基于混合自编码和双向LSTM的网络入侵检测方法，其特征在于，该方法包括如下步骤：1对数据进行归一化；2将1处理后的数据传入堆叠稀疏收缩自动编码器SSCA中进行训练，SSCA中采用KL信息散度作为稀疏损失，并在其定义如下： 表示训练集中隐藏节点j的平均激活度，ρ表示预期的神经元激活度，同时为了在训练集有一些干扰时增加稳定性，以下式中给出的Frobenius范数的形式向自动编码器添加收缩损失， 其中，hjx表示隐藏节点j中输入x的表达式值，Jfx表示输入x的雅可比矩阵的Frobenius范数，获得一个当输入有少量干扰时不受影响的模型；3在2的基础上使用模拟退火遗传粒子群优化GSPSO算法对SSCA的超参数进行优化，并用优化后的SSCA对数据进行特征提取，得到N个特征集；4将3处理后的得到的N个特征集，分别传入N个引入注意力机制的双向长短时记忆网络AB-LSTM分类器中，得到N个分类结果；5将4得到的N个分类结果，通过决策融合算法进行融合，生成最终的分类结果。

全文数据：

权利要求：

百度查询： 北京工业大学 东营市技师学院 基于混合自编码和双向LSTM的网络入侵检测模型