一种基于增量自编码器的网络异常检测方法

技术特征：
1.一种基于增量自编码器的网络异常检测方法，其特征在于，包括：s1.采集网络流量数据，得到无标签样本集；s2.基于所述无标签样本集训练改进的soinn网络，输出神经元集合n和连接关系集合c；其中，所述改进的soinn网络是基于神经元的相似度阈值以及神经元与输入节点之间的距离来更新神经元邻居节点的学习率；s3.初始化增量自编码器，并采用增量学习方法，基于所述神经元集合n和连接关系集合c训练所述增量自编码器，得到异常检测模型；s4.将接收到的样本数据输入所述异常检测模型，计算重构误差得分，并将所述重构误差得分与异常阈值相比较，若所述重构误差得分大于异常阈值，则判定该样本为异常样本，否则判定该样本为正常样本，并将该正常样本输入所述改进的soinn网络进行增量学习。2.根据权利要求1所述的网络异常检测方法，其特征在于，所述s2包括：s21.构建单层soinn网络，初始化两个随机样本中每个训练周期内的神经元集合，计算相关参数，其中，相关参数包括获胜神经元邻居节点的相似度阈值t
i
、获胜神经元邻居节点与输入样本的距离；其中，获胜神经元是训练周期内神经元集合与样本中最近的两个神经元；s22.基于所述相关参数，更新获胜神经元邻居节点的权重；s23.基于所述权重，输出训练周期内神经元集合n和连接关系集合c。3.根据权利要求2所述的网络异常检测方法，其特征在于，所述s21中，所述相关参数还包括获胜神经元邻居节点的学习率，其中，获胜神经元邻居节点的学习率包括第一学习率系数τ1和第二学习率系数τ2。4.根据权利要求3所述的网络异常检测方法，其特征在于，所述获胜神经元邻居节点的学习率通过以下步骤获得：计算获胜神经元s1与输入样本的距离以及获胜神经元邻居节点i与输入样本的距离，将该距离与所述获胜神经元邻居节点i的相似度阈值t
i
相比较，如果，则所述获胜神经元邻居节点的学习率，其中，为预定义参数，命名为学习率系数下限，t为获胜次数；如果，且，表示所述样本与所述获胜神经元邻居节点i的相似度较大，此时根据所述样本与获胜神经元所述邻居节点的距离来确定所述第一学习率系数τ1，则获胜神经元邻居节点的学习率为其中，，如果，且，表示所述样本与所述获胜神经元s1重合，此时根据与获胜神经元的邻居节点的距离来确定所述第二学习率系数τ2，则获胜神经元邻居节点的学习率，
其中，。5.根据权利要求4所述的网络异常检测方法，其特征在于，所述s22中，根据下式更新获胜神经元邻居节点的权重：其中，w
i
是获胜神经元邻居节点的权重。6.根据权利要求1所述的网络异常检测方法，其特征在于，所述s2还包括：通过所述神经元的相似度阈值以及神经元与输入节点之间的距离来度量该神经元与输入节点是否属于同一个类别，并通过所述神经元的相似度阈值以及神经元与输入节点之间的距离大小来决定进行类内插入还是类间插入。7.根据权利要求1所述的网络异常检测方法，其特征在于，所述s3中增量自编码器的构建包括：将所述无标签样本集经过数据预处理后得到单个样本的数据维度和数据，然后再经过所述改进的soinn网络后，输出单个样本维度的输出神经元；将所述单个样本维度的输出神经元输入自动编码器，得到重构样本，将其中预测为正常的样本通过基于距离度量的样本标签筛选机制来进行二次识别，将识别后的正常样本继续输入所述改进的soinn网络进行增量训练，经过设定轮训练后，形成所述异常检测模型。8.根据权利要求1所述的网络异常检测方法，其特征在于，所述s4包括：s41.将所述增量自编码器输出的正常样本输入至所述改进的soinn网络，输出所有获胜神经元邻居节点与该正常样本之间的距离，并选择最近的获胜神经元邻居节点与该正常样本之间的距离作为正常样本的相似度值；s42.对每个所述正常样本的相似度值按照从小到大进行排序；s43.基于排序结果，设定样本筛选比例，采用距离量度样本标签筛选出正常样本，并将筛选出的正常样本作为增量学习的正常样本。9.根据权利要求8所述的网络异常检测方法，其特征在于，所述s43还包括：若筛选出的样本均为非正常样本，则启动防御措施。10.根据权利要求1所述的网络异常检测方法，其特征在于，所述增量自编码器包括输入层、dropout层和隐藏层。

技术总结
本发明涉及网络与信息安全技术领域，提供了一种基于增量自编码器的网络异常检测方法。该方法包括：采集网络流量数据，得到无标签样本集；输出神经元集合N和连接关系集合C；基于初始化增量自编码器，并采用增量学习方法，基于神经元集合N和连接关系集合C训练增量自编码器，得到异常检测模型；基于将接收到的样本数据输入异常检测模型，计算重构误差得分，并将重构误差得分与异常阈值相比较，根据判定结果获得正常样本，并将该正常样本输入至改进的SOINN网络进行增量学习。本发明解决了遗忘灾难问题，节约了计算和存储开销，使得模型不断学习新的样本特征，实现适应新的网络环境的目的。的。的。


技术研发人员：吴署光 熊达鹏 王宏艳 颜南江
受保护的技术使用者：中国人民解放军战略支援部队航天工程大学
技术研发日：2022.09.22
技术公布日：2022/10/25