1.一种基于分形残差的LDoS攻击实时检测方法,其特征在于,所述LDoS检测方法包括以下几个步骤:
步骤1、采样数据:获取瓶颈链路或关键路由器中的数据流量,对单位时间内的相关数据流量进行采样,形成原始数据流量;
步骤2、Hurst窗口划分:结合滑动窗口的概念,对原始数据流量进行处理,将原始数据流量划分为Hurst滑动窗口;
步骤3、计算分析:基于网络数据流量在大时间尺度上存在分形特性的特点,通过重标极差R/S法分析网络数据流量每个Hurst滑动窗口的分形特性,然后计算每个Hurst滑动窗口的分形残差值,分析获取每个Hurst滑动窗口内分形残差值的绝对值距离大小,包括两个步骤:
步骤3.1、定量计算正常网络原始数据流量所有Hurst滑动窗口的分形残差值HNR,获取所有分形残差值的均值HNRmean作为基准均值,计算正常网络原始数据流量所有Hurst滑动窗口的分形残差值与基准均值HNRmean的绝对值距离大小;R/S法通过最小二乘法对获得K个散点(logNm,log(R/S)Nm)进行线性拟合获取斜率,并以斜率的值表征分形特性,Nm表示利用R/S法处理序列时划分子序列的长度,令yk表示log(R/S)Nm的原始值, 表示经最小二乘法线性拟合后的拟合值,则分形残差值R的计算公式表示为:步骤3.2、定量计算待测网络原始数据流量Hurst滑动窗口的分形残差值HAR,获取待测网络原始数据流量分形残差值HAR与基准均值HNRmean的绝对值距离大小HHD;
步骤4、判定检测:根据对正常网络数据流量处理预先生成的决策阈值,对待测网络数据流量进行处理获得决策特征值,若待测网络数据流量的决策特征值大于决策阈值,则判定该待测网络中发生了LDoS攻击,否则,该待测网络中未发生LDoS攻击,包括三个步骤:步骤4.1、基于正常网络原始数据流量所有Hurst滑动窗口的分形残差值HNR与基准均值HNRmean的绝对值距离大小,获取绝对值距离大小的均值作为基准阈值Thre,将基准阈值Thre和超参数ω相乘,获得判定检测的决策阈值DThre;超参数ω通过预先模拟正常网络原始数据流量和LDoS攻击网络原始数据流量获得,其值大于等于(>=)正常网络原始数据流量变异系数值的均值,小于等于(<=)LDoS攻击网络原始数据流量变异系数值的最小值;
步骤4.2、基于待测网络原始数据流量分形残差值HAR与基准均值HNRmean的绝对值距离大小HHD,计算待测网络原始数据流量Hurst滑动窗口对应原始数据流量的变异系数值CV,将变异系数值CV与绝对值距离大小HHD相乘获得待测网络原始数据流量的决策特征值CHD;变异系数值CV,该值用来刻画网络原始数据流量的离散程度,其定义为网络原始数据流量的标准差与平均值之比;
步骤4.3、将待测网络原始数据流量的决策特征值CHD,与对正常网络原始数据流量处理预先生成的决策阈值DThre进行比较,判定该待测网络中是否发生了LDoS攻击。
2.根据权利要求1中所述的LDoS检测方法,其特征在于,步骤1中对网络中瓶颈链路或关键路由器,以固定取样时间获取固定时间长度内的数据流量,形成原始数据流量。
3.根据权利要求1中所述的LDoS检测方法,其特征在于,步骤2中根据步骤1获取的原始数据流量,结合滑动窗口的概念,对固定时间长度内的原始数据流量进行处理,获得原始数据流量的Hurst滑动窗口。