基于自监督变分LSTM的深层半监督学习网络入侵检测方法

摘要

本发明公开了一种基于自监督变分LSTM的深层半监督网络入侵检测方法，其实现步骤为：数据预处理，对数值表示进行标准化处理；压缩网络的LSTM编码器将有标签和无标签样本向量的高维特征表示压缩成低维表示，并使用softsign函数替换tanh函数作为激活函数；定义自监督变分自编码器，重构隐变量，定义潜在变量；使用LSTM解码器负责将隐变量转换为重构的特征向量，并将特征向量输入到评估网络中，得到初步分类结果；对标签数据和未标签数据的分类结果分别计算有监督损失和无监督损失，并将参数更新到权重函数内部；本发明可以用在存在不平衡数据的背景下最大限度的提取关键特征，具有较高的分类准确率，较低的误报率。