基于显式和隐含特征学习的智能入侵检测方法和系统

摘要

本发明公开了一种基于显式和隐含特征学习的智能入侵检测方法和系统，其训练入侵检测神经网络的步骤包括：将包含显式和隐含特征的嵌入式表征e输入初始的入侵检测神经网络得到数据表征r；随机生成随机三元组Tr；根据损失函数和随机三元组Tr小批量梯度下降更新入侵检测神经网络的参数集合Θ；然后进行迭代，每一轮迭代中包括利用更新后的参数集合Θ更新数据表征r；生成严格三元组Th；根据损失函数和严格三元组Th小批量梯度下降更新入侵检测神经网络的参数集合Θ。本发明针对现有入侵检测方法学习到的特征关系较少，检测准确率不高的技术问题，能够学习到较多的特征关系，从而可有效提高智能入侵检测的检测准确率。