1.一种基于局部均值分解和支持向量机的网络攻击检测方法，其特征在于，所述方法包括以下步骤：步骤1)对系统输出信号进行LMD分解，过程如下：

1.1)对信号采用分段三次Hermite插值来构造包络极大值的上包络线Eup(t)和包络极小值的下包络线Edown(t)，从而计算局域均值函数m11(t)和局域包络函数a11(t)；

1.2)将局部均值函数从原信号中分离出来得到h11(t)＝x(t)-m11(t)                        (3)其中h11(t)为分离后的信号；

1.3)再将h11(t)除以局域包络函数a11(t)以对h11(t)进行解调，得：S11(t)理想中应该是一个纯调频信号，即它对应的a11(t)＝1，如果S11(t)不满足该条件，则将S11(t)作为原始数据重复上述迭代步骤直到S1n(t)是一个纯调频信号，即-1≤S1n≤

1，它的局域包络函数a1n≈1；

其中

1.4)将以上所有局域包络函数相乘便得到PF分量的包络信号由此便得第一个PF分量：

PF1(t)＝a1(t)*S1n(t)                    (8)

1.5)将PF分量从原信号x(t)中分离出来，并将分离后的信号循环执行步骤1.1)～

1.4)，循环k次产生k个PF分量，则x(t)由各层PF分量以及余量u(t)表示步骤2)由每个PF分量中的纯调频信号S1n(t)求取瞬时频率f(t)作为特征向量，过程如下：

2.1)由直接法得：

以此类推得f1(t),f2(t)...fk(t)；

2.2)对每个f(t)积分求能量

其中，Ei表示第i层瞬时频率的能量，则该信号的特征向量为T＝[E1,E2,E3…Ek]；

2.3)由于所求的能量值较大，因此对T归一化得Tg其中，E为各层能量的总和，Tg为归一化后的特征向量；

步骤3)建立训练样本集与测试样本集，正常工作时的样本标签为1，受到攻击的样本标签为-1，得到一个SVM模型，将其他信号输入该模型即可得到信号是否受到攻击的结果。

2.如权利要求1所述的一种基于局部均值分解和支持向量机的网络攻击检测方法，其特征在于，所述步骤3)中，进行训练并测试准确率，得到本发明对该攻击的辨识准确率。