摘要
本发明涉及网络安全数据处理领域,具体涉及一种网络安全入侵检测方法及系统,所述方法包括:获取入侵检测历史数据构建训练样本集;采用随机对立算法生成初始种群,并通过待训练分类模型计算训练种群各种群个体的适应度值从初始种群中选取训练种群;基于预设更新策略,结合冠豪猪优化算法对训练种群的种群个体进行迭代更新,在每次迭代更新周期中,对比种群个体更新前后的适应度值变化确定其实际更新状态,依据适应度结果完成分类模型训练;通过训练好的分类模型对实时流量数据进行分类识别,实现网络入侵行为判定。与现有技术相比,本发明能够降低网络特征维度,提升分类模型的全局搜索能力,进而有效提高对网络入侵行为的识别效果。
技术关键词
训练分类模型
训练样本集
算法
变异策略
分类模型训练
周期
Sigmoid函数
特征选择
网络特征
模块
数据分类
因子
编码
矩阵
系统为您推荐了相关专利信息
风格迁移方法
图像张量数据
实时图像
移动端
分块策略
校对方法
构建机器学习模型
数据一致性检查
企业
财务系统