一种基于动态超球体集成的网络入侵检测增量学习方法、系统、设备及存储介质

本发明公开了一种基于动态超球体集成的网络入侵检测增量学习方法、系统、设备及存储介质，属于信息安全技术技术领域，包括：获取网络流量数据并进行特征处理，形成标准化特征向量集；构建超球体集合模型，将标准化特征向量集按类别划分为若干个子集，基于近邻距离构造对应的超球体集合模型；对未知网络流量样本进行实时分类，计算当前样本与各子集超球体中心的距离并与相应半径进行比较，根据预设判断规则确定分类结果进行决策融合，输出最终判断标签；基于缓存样本执行超球体集合模型的动态更新，当缓存的新样本数量达到预设阈值时，利用缓存样本重构新的超球体集合，并用新的超球体集合替换超球体集合模型中的部分超球体，完成自适应动态更新。