基于深度学习的无线融断网络威胁环境自适应检测方法

陈金生

（山东正元冶达科技发展有限公司，山东潍坊 261021）

入侵检测是近年来国内外计算机网络和信息安全领域的研究热点之一，因为它可以同时检测网络内外的攻击，所以得到了广泛的研究和应用[1-2]。但目前的入侵检测方法普遍存在受噪音影响较大和网络延迟等问题，另外，在高速网络环境下，需要使用轻负载IDS 来实现快速响应和减少包丢失。可见，在无线融断网络环境中的复杂算法是不适用的[3]。

深度学习是学习样本数据的内在规律和表现层次。过程中获得的信息有助于对数据的理解，如文本、图像和声音。其最终目的是使机器能像人一样进行分析和研究，并能识别文字、图像和声音等数据。作为一种复杂的机器学习算法，深度学习在语音和图像识别中的应用远比以往相关技术更为广泛[4]。

在此基础上，文中基于深度学习提出一种新的无线融断网络威胁环境自适应检测方法，对网络异常信号进行检测，从简化数据处理结构、简化数据处理数量、简化特征数据量3 个方面进行了研究。以提高无线融断网络的信噪比，缩短系统的响应时间和适应性。

1 网络威胁环境自适应消噪处理

网络运行环境稳定时，所测分析信号往往是很小的一部分，几乎和大多数测试信号一样，被称为异常信号。在网络中，异常信号的检测主要是根据被检测信号的统计特征和噪声的差异性，在大量的噪声信号中完成的。设定正常信号为r，在满足下列条件时：p1(k1,1,k1,2,…,k1,r)，可以分析出正常信号和异常信号之间的距离，计算距离所处空间为r-1 空间。……