技术特征：
技术总结
本发明公开了一种基于模糊度和集成学习的网络入侵检测方法，包括以下步骤；S1、从原始流量数据中提取出能够反映流量特性的基本特征数据；S2、对提取的基本特征数据进行预处理；S3、将预处理后的基本特征数据作为训练样本集，并通过多次随机划分训练样本集，得到若干个训练样本子集；S4、根据每个训练样本子集中的数据，采用基于模糊度的半监督ELM算法构建并训练若干个基分类器；S5、采用集成算法对所有训练好的基分类器进行结合，得到最终的入侵检测模型，进行网络入侵检测。本发明方法解决了现有技术中构建模型的训练时间过长和无法很好地适应新类型的攻击检测等问题，本发明方法能够进行快速训练，提高对新类型攻击的识别能力。
技术研发人员：廖丹;陈锐;张良嵩;金海焱;李慧
受保护的技术使用者：电子科技大学;电子科技大学成都研究院
技术研发日：2018.11.29
技术公布日：2019.02.15