一种面向入侵和攻击防御的实时流量异常检测方法

摘要

本发明属于网络安全领域，提供了一种面向入侵和攻击防御的实时流量异常检测方法。首先从当前的网络中抽取网络的状态特征序列并对其编码，再利用异常检测模型对编码结果进行异常检测。网络状态特征序列反应当前的网络状态，但这些信息所包含的特征无法被异常检测模型直接使用，因此本发明使用深度学习技术处理当前的网络特征并将其编码成检测模型可处理的格式。为了解决网络流量数据的不平衡性问题，使用基于深度学习的单类分类器作为异常检测模型的检测算法。为进一步提高检测模型的检测效果，在训练时将特征抽取网络与异常检测模型的映射网络联合训练从而优化编码网络参数；本发明方法能够在只有单类训练数据的情形实现对网络流量的异常检测。