欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020104063791
申请人: 湖南大学
专利类型:发明专利
专利状态:未下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,MFOPA是多特征融合离群概率分析,该方法具体包括以下四个步骤:步骤1、网络流量采集:在一个检测单元的时间范围内,按照一定的时间间隔对网络设备的各关键节点的网络流量进行实时采样,并分类统计网络流量的数据包的数量;

步骤2、联合特征构造:主要从时域和频域的角度上,对采集到的网络流量进行分析,并提取网络流量的多个时域和频域特征用以构造联合特征;

步骤3、离群概率分析:利用MFOPA算法对构造的联合特征进行多特征融合,形成新的低维特征集,并通过离群概率分析计算该特征集的离群概率,包括两个步骤:步骤3.1、多特征融合,多特征融合是MFOPA算法的基础,也是离群概率分析的前提,主要通过KPCA算法来实现其功能;

步骤3.2、离群概率分析,离群概率分析是MFOPA算法的关键,主要通过改进的随机离群m

选择SOS算法实现其功能,对于给定的一个m维特征集数据x=[x1,x2,...,xn∈R ],离群概率分析的具体步骤如下:

(1)获取相异度矩阵,离群概率分析主要通过加权欧氏距离来计算输入数据的相异度矩阵,相异度矩阵中的元素dij的计算公式如下:其中,xik和xjk分别表示第i和j个数据点在第k个特征上的值,wk为第k个特征的权重,也称为加权因子;

(2)获取关联度矩阵,关联度矩阵中的元素aij为数据点xi与数据点xj的相似性,计算公式如下:

2

其中,σi是一个与数据点xi规模相关的变量;

(3)获取关联概率矩阵,关联概率矩阵中的元素bij为数据点xi与数据点xj作为邻居的概率,计算公式如下:

(4)计算离群概率,数据点xi属于离群数据集C0的概率表示为:则MFOPA算法中的离群概率可以定义为:θop(xi)≡p(xi∈C0);

步骤4、攻击流量确认:制定相应的攻击判定标准,并根据网络流量特征的离群概率来确定网络流量中是否包含慢速拒绝服务攻击流量。

2.根据权利要求1中所述的基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,步骤1中在一个检测单元的时间范围内,按照一定的时间间隔对网络设备的各个关键节点的网络流量进行实时采样,并根据网络流量的类型来分别统计网络流量的数据包的数量,由于存在慢速拒绝服务攻击的网络相比于正常网络而言,网络流量分布的离散性更加明显,因此,采集到的网络流量可以作为慢速拒绝服务攻击检测的研究对象。

3.根据权利要求1中所述的基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,步骤2中对步骤1采集到的网络流量从时域和频域两个方面进行分析,同时提取网络流量的多个时域和频域特征来构造联合特征,由于正常网络和存在慢速拒绝服务攻击的网络中网络流量特征存在一定的差异,并且单一的网络流量特征容易受到偶然因素的影响使检测效果减弱,而联合多个网络流量特征进行慢速拒绝服务攻击检测可以获得更好的检测性能,因此,联合特征可作为MFOPA算法的输入数据,网络流量的时域和频域特征主要包括TCP流量的均值、TCP流量的变异系数、TCP流量的信噪比、TCP流量和总流量的相关性和TCP流量的能量熵。

4.根据权利要求1中所述的基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,步骤3中根据正常网络和存在慢速拒绝服务攻击的网络中网络流量的时域和频域特征的差异,利用MFOPA算法对网络流量进行慢速拒绝服务攻击检测,MFOPA算法主要涵盖两个功能模块:一是多特征融合,二是离群概率分析,MFOPA算法对联合特征进行多特征融合并形成新的低维特征集,使其在保留原有特征信息的基础上,还能压缩数据,简化数据量,该低维特征集可通过离群概率分析来获得其离群概率,即离群概率分析的输入数据可以转为离群概率输出,该离群概率作为后续慢速拒绝服务攻击流量确认的依据。

5.根据权利要求1中所述的基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,步骤4中制定相应的攻击判定标准,并根据网络流量特征的离群概率来确定网络流量中是否包含慢速拒绝服务攻击流量,包括两个步骤:步骤4.1、制定相应的慢速拒绝服务攻击判定标准;

步骤4.2、参照攻击判定标准,利用离群概率确定网络流量中是否包含慢速拒绝服务攻击流量。

6.根据权利要求5中所述的基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,步骤4.1中依据正常网络和存在慢速拒绝服务攻击的网络中网络流量特征的离群概率的差异,制定相应的攻击判定标准,以明确网络流量中包含慢速拒绝服务攻击流量的可能性,该攻击判定标准可作为后续对网络流量进行慢速拒绝服务攻击检测的判断准则,离群概率值越大,表示网络流量中包含慢速拒绝服务攻击流量的可能性越大,离群概率值越小,表示网络流量中包含慢速拒绝服务攻击流量的可能性越小。

7.根据权利要求5中所述的基于MFOPA算法的慢速拒绝服务攻击检测方法,其特征在于,步骤4.2中依照步骤4.1中的攻击判定标准,离群概率可与计算所得的阈值进行对比与分析,以确定网络流量中是否包含慢速拒绝服务攻击流量,从而实现检测慢速拒绝服务攻击的目标,若离群概率超过阈值,则表示网络流量中包含慢速拒绝服务攻击流量,若离群概率未超过阈值,则表示网络流量中不包含慢速拒绝服务攻击流量。