基于GRU和K-means算法的入侵檢測模型與方法研究

李 昊，郝 寬，姜 偉

（哈爾濱師范大學(xué) 計算機(jī)科學(xué)與信息工程學(xué)院，黑龍江 哈爾濱 150025）

0 引言

隨著互聯(lián)網(wǎng)及網(wǎng)絡(luò)應(yīng)用的飛速發(fā)展，人們的生產(chǎn)生活已經(jīng)深度依賴網(wǎng)絡(luò)，人們從互聯(lián)網(wǎng)中獲取信息也變得極為便利，這就難以避免海量的數(shù)據(jù)信息通過網(wǎng)絡(luò)進(jìn)行傳播?；ヂ?lián)網(wǎng)提高了人們的生活生產(chǎn)效率與質(zhì)量，但同時，一系列網(wǎng)絡(luò)安全問題也相應(yīng)產(chǎn)生，比如網(wǎng)絡(luò)入侵，不論是個人、企業(yè)，還是政府、軍隊的信息，一旦被不法分子竊取、篡改，極有可能造成無法彌補的損失。

傳統(tǒng)的基于防火墻等的靜態(tài)安全防范技術(shù)已然無法滿足當(dāng)前網(wǎng)絡(luò)安全的需求，為了更好地應(yīng)對當(dāng)前的網(wǎng)絡(luò)安全問題，現(xiàn)在更多應(yīng)用主動防御的網(wǎng)絡(luò)入侵檢測系統(tǒng)。但是隨著網(wǎng)絡(luò)攻擊智能化，網(wǎng)絡(luò)入侵檢測系統(tǒng)也面臨著巨大的挑戰(zhàn)，需要對入侵檢測技術(shù)進(jìn)行不斷研究。

在網(wǎng)絡(luò)流量中，惡意的網(wǎng)絡(luò)攻擊往往隱藏在大量的正常行為中。它在網(wǎng)絡(luò)流量中表現(xiàn)出高度的隱身性和模糊性，使得網(wǎng)絡(luò)入侵檢測系統(tǒng)難以保證檢測的準(zhǔn)確性和及時性。研究機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在入侵檢測問題上的應(yīng)用，提出了一種結(jié)合GRU網(wǎng)絡(luò)和K-means的算法模型進(jìn)行入侵行為檢測。首先，利用GRU網(wǎng)絡(luò)對網(wǎng)絡(luò)行為進(jìn)行信息特征提取，實現(xiàn)全面有效的特征學(xué)習(xí)。其次，使用K-means算法對前置輸入進(jìn)行聚類，對于那些暫時無法進(jìn)行屬性判斷的流量行為，再次進(jìn)行特征提取后使用K-means算法進(jìn)行分類，有效減少傳統(tǒng)二分類入侵檢測對于暫時無法判斷的流量行為的誤判動作。

1 相關(guān)知識

1.1 GRU網(wǎng)絡(luò)

CHO等[1]提出了門控循環(huán)單元（gated recurrentunit，GRU）。相比于長短期記憶網(wǎng)絡(luò)（LSTM，Long Short－Term Memory），GRU網(wǎng)絡(luò)具有更為簡潔的模型，GRU中去除了細(xì)胞狀態(tài)，有重置門和更新門兩個門限結(jié)構(gòu)，重置門確定如何將前一時刻的記憶與新的輸入信息相結(jié)合，表示前一時刻信息的忽略程度，值越大代表忽略的信息程度越小。更新門代表前一時刻信息對當(dāng)前狀態(tài)的傾向程度，用于控制前一時刻的狀態(tài)信息被帶入到當(dāng)前狀態(tài)中的程度，值越大代表影響越大[2]。GRU結(jié)構(gòu)在多種場景下被證實有效，具有計算方便、訓(xùn)練速度更快的特點，同時可以很好地將長距離的信息進(jìn)行依賴保存，有效解決梯度問題。循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）用于分析或預(yù)測順序數(shù)據(jù)[3]，這使得它成為入侵檢測的一個可行的候選對象，因為網(wǎng)絡(luò)流量數(shù)據(jù)本質(zhì)上是順序的[3]：

上式中，zt代表更新門，rt代表重置門，tanh為雙曲正切函數(shù)，σ為Sigmoid函數(shù)，w為t時刻的權(quán)值矩陣。

基于這些特點，本研究采用GRU網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 GRU網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 K-means算法

聚類算法一般分為劃分聚類和層次聚類，K-means算法是Macqueen在1967年提出的一種劃分聚類算法[4]。K-means算法是一種基于劃分的無監(jiān)督的聚類算法，利用數(shù)據(jù)對象間的距離作為相似性的評價指標(biāo)[5]。傳統(tǒng)的K-means算法如下：對給定包含n個對象的數(shù)據(jù)集x：x=｛x1，x2，x3，…，xn｝，其中每個對象都具有m個維度的屬性，依據(jù)對象間的相似性，最終將n個對象聚集到指定的k個類簇中，每個對象屬于且僅屬于一個聚簇類，這個對象到這個類簇中心距離為最小。

K-means算法的實現(xiàn)步驟。①初始化k個聚類中心：｛C1，C2，C3，…，Ck｝，1

圖2 K-means算法流程圖

2 基于K-means算法的入侵檢測模型與方法

2.1 入侵檢測算法整體流程

構(gòu)建的基于GRU網(wǎng)絡(luò)和K-means算法的入侵檢測方法，其整體流程主要包括兩大部分：一部分為預(yù)處理數(shù)據(jù)，使用GRU網(wǎng)絡(luò)對數(shù)據(jù)特征進(jìn)行提?。涣硪徊糠譃槭褂肒-means算法對上步驟輸入的數(shù)據(jù)進(jìn)行聚類劃分。

在進(jìn)行特征提取之前，需要先對所選數(shù)據(jù)進(jìn)行預(yù)處理，在這個階段，主要工作是將數(shù)據(jù)集中的字符型特征使用One-hot進(jìn)行數(shù)值化轉(zhuǎn)換，再劃分訓(xùn)練集、測試集。采用Train_Test_Split（）函數(shù)劃分?jǐn)?shù)據(jù)集來盡量平均劃分?jǐn)?shù)據(jù)樣本，減少人為主觀原因帶來的誤差。Train_Test_Split（）是交叉驗證中常用的函數(shù)，對目標(biāo)數(shù)據(jù)集的劃分具有隨機(jī)的、按比例的功能，將目標(biāo)數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集（Train Data） 和測試數(shù)據(jù)集（Testdata）。

2.2 基于GRU網(wǎng)絡(luò)的特征提取

待檢測的網(wǎng)絡(luò)輸入數(shù)據(jù)復(fù)雜度一般較高，導(dǎo)致RNN網(wǎng)絡(luò)的結(jié)構(gòu)較為復(fù)雜，容易出現(xiàn)梯度消失等問題。在GRU的單元結(jié)構(gòu)中，無須考慮循環(huán)神經(jīng)網(wǎng)絡(luò)中的隱藏層的細(xì)胞狀態(tài)，LSTM網(wǎng)絡(luò)中的輸入門和遺忘門被替代，減少了相應(yīng)網(wǎng)絡(luò)的參數(shù)數(shù)量，提高了模型收斂性能，降低了時間復(fù)雜度。同時，網(wǎng)絡(luò)流量數(shù)據(jù)是具有時序特征的序列數(shù)據(jù)，例如DDos攻擊，就是使用短時間內(nèi)對某服務(wù)大量訪問的手段達(dá)到使被攻擊服務(wù)不可用的目的，而GRU能對具有時序特征的數(shù)據(jù)進(jìn)行很好的處理。融合GRU網(wǎng)絡(luò)的部分主要對數(shù)據(jù)進(jìn)行特征提取及數(shù)據(jù)降維處理。主要步驟如下：①將上一層的輸入進(jìn)行整合；②對數(shù)據(jù)進(jìn)行長距離依賴特征提??；③將特征張量化后輸出；④對下一層邊界域中數(shù)據(jù)進(jìn)行處理（如圖3所示）。

圖3 GRU網(wǎng)絡(luò)特征提取示意圖

3 實驗與結(jié)果分析

3.1 數(shù)據(jù)集

在真實的網(wǎng)絡(luò)環(huán)境中，每時每刻產(chǎn)生的數(shù)據(jù)流量都是巨大的，并且具有分布不均的特點。仿真實驗使用的數(shù)據(jù)9數(shù)據(jù)集中冗余和重復(fù)的樣本，樣本分布較KDDCup 99更合理。KDD99產(chǎn)出于1999年第三屆國集為NSLKDD，NSL-KDD是KDDCup 99的改進(jìn)版本[6]，主要是消除了KDDCup 9際知識發(fā)現(xiàn)和數(shù)據(jù)挖掘工具大賽。此數(shù)據(jù)集共有大約500萬條數(shù)據(jù)，共收集了9個星期。

3.2 實驗環(huán)境

本實驗使用的機(jī)器配置如下。處理器：11th Gen Intel（R）Core（TM）i5-11320H@3.20 GHz；內(nèi)存：16.0 GB（單通道）；硬盤：512GB（SSD）。

軟件環(huán)境及版本如下。操作系統(tǒng)：Windows 10家庭中文版21H2；集成開發(fā)環(huán)境：PyCharm 2021.1；編程語言：Python 3.6。

3.3 評價指標(biāo)

實驗評價指標(biāo)是入侵檢測中常用的評價指標(biāo)，分別為：準(zhǔn)確率（Accuracy）、召回率（Recal）l、精確率（Precision）、F1 （F1-score）。

準(zhǔn)確率（Accuracy）表示模型對給定樣本判別能力：

召回率（Recall）表示真實攻擊樣本在所有攻擊樣本中的比例：

精確率（Precision）表示真實攻擊樣本在被預(yù)測為攻擊樣本中的比例：

F1（F1-score）表示整體指標(biāo)及Recall與Precision兩項指標(biāo)：

以上指標(biāo)中，TP為預(yù)測為非入侵的正樣本；TN為預(yù)測為入侵的負(fù)樣；FN為預(yù)測為入侵的正樣本；FP為預(yù)測為非入侵的負(fù)樣本。

3.4 實驗分析與結(jié)果

對同一數(shù)據(jù)集，用隨機(jī)函數(shù)選出訓(xùn)練數(shù)據(jù)集，進(jìn)行5次共得到5組隨機(jī)訓(xùn)練集，在每組數(shù)據(jù)集上進(jìn)行3輪訓(xùn)練，取平均值，各指標(biāo)見表1。

表1 不同訓(xùn)練集模型檢測效果

除了已提出的模型，作為對照實驗，使用同一數(shù)據(jù)集在不同模型進(jìn)行相關(guān)的實驗，結(jié)果對比見表2。

表2 不同模型檢測效果

通過橫向和縱向?qū)Ρ龋梢缘贸鏊惴Ｐ途哂幸欢ǖ膬?yōu)勢。但是在實驗過程中也發(fā)現(xiàn)，對于流量相對較小的攻擊，無法充分學(xué)習(xí)其特征，從而導(dǎo)致檢測結(jié)果并不理想。在實際的環(huán)境中，攻擊行為越來越隱蔽且方式新奇，對于如何更好地及時檢測出這種攻擊行為，提高模型泛化能力仍是未來研究的重點。

4 結(jié)語

機(jī)器學(xué)習(xí)與深度學(xué)習(xí)逐漸和入侵檢測領(lǐng)域交叉結(jié)合，取得了較好的效果。對入侵檢測進(jìn)行了深入研究與設(shè)計，在神經(jīng)網(wǎng)絡(luò)方面選取了結(jié)構(gòu)更為簡潔的GRU網(wǎng)絡(luò)，提出了一種結(jié)合GRU網(wǎng)絡(luò)及K-means算法的混合入侵檢測方法，在兼顧檢測效率、精度及可靠性的同時，盡量控制成本。實驗結(jié)果表明，提出的方法為入侵檢測方法模型拓展了思路，具有一定的可行性，值得繼續(xù)深入研究。