Intrusion Detection Using Convolutional Neural Networks for Representation Learning 笔记

Intrusion Detection Using Convolutional Neural Networks for Representation Learning

2.2 实验数据的预处理

为了确定NSL-KDD数据与CNN的图像转换，我们设计了一种方法，将NSL-KDD数据格式转换为视觉图像类型。为了实现这一目标，我们将各种类型的特征映射到二进制矢量空间，然后将二进制矢量转换为图像。

符号特征。NSL-KDD数据属性中有三种符号数据类型：协议类型、标志和服务。如图2所示，我们使用单热编码器将这些特征映射到二进制向量中。例如，protocol_type有三个值（tcp, udp, icmp），变成三个维度的二进制向量（100, 010, 100）。

连续特征。连续特征包括整数和浮点数类型的特征。我们使用标准标度器将连续数据归一到[0, 1]范围。标准缩放器指的是将数据缩放到一个特定的区间。在本文中，使用了最小-最大归一化方法。就是说

\[x_{new}=\frac{x-x_{min}}{x_{max}-x_{min}}
\]

(1)

其中x代表数字特征值，\(x_{min}\)代表特征的最小值，\(x_{max}\)代表最大值，\(x_{new}\)代表归一化后的值。在归一化处理后，我们将缩放后的连续值离散成10个区间。然后，我们使用单热编码器将间隔的顺序号编码为10个二进制向量，如图3所示。