1.一种基于NCS‑SVM的LDoS攻击检测方法,其特征在于,所述LDoS攻击检测方法包括以下几个步骤:步骤1、采样数据:实时获取路由器上的TCP流量,对单位时间内所有的TCP流量进行采样,得到样本原始值;
步骤2、处理数据:基于逆向云生成器,获得单位时间内TCP流量对应的正态云模型;
步骤3、分析数据:根据预先生成的基准云模型,分析计算该单位时间内TCP流量对应的正态云模型与基准云模型之间的相似度;
步骤4、判定检测:使用预先训练的支持向量机对该单位时间内的TCP流量对应的正态云模型与基准云模型之间的相似度进行检测,若支持向量机分类结果为1,判定为该单位时间内TCP流量对应的网络受到LDoS攻击;
步骤1中对路由器上的TCP流量,以固定取样时间获取单位时间内所有TCP流量,形成样本原始值;
步骤2中根据步骤1获取的样本原始值,使用逆向云生成器,计算获得样本对应的正态云模型,计算获得单位时间内的正态云模型是将该单位时间内的TCP流量映射到云空间中,从而将定量的数值转换为定性概念,以度量两个单位时间内的TCP流量的相似度,包括两个步骤:步骤2.1、使用逆向云生成器,挑选无攻击的TCP流量,计算该单位时间内TCP流量对应的正态云模型,称为基准云模型;
步骤2.2、使用逆向云生成器,计算待检测样本数据单位时间内TCP流量对应的正态云模型;
所述正态云模型的三个数字特征为:期望Ex、熵En和超熵He,其中,Ex=V;
V为样本的均值,M1为样本的一阶矩,M2为样本的二阶矩;
步骤3中根据步骤2中计算获得的该单位时间内正态云模型与基准云模型,分析计算该单位时间内云模型相似度,经过计算分析,单位时间内没有受到LDoS攻击时,正常TCP流量对应的正态云模型与基准云模型之间的相似度几乎为1,而受到LDoS攻击时,TCP流量对应的正态云模型与基准云模型之间的相似度远小于1;步骤4中根据步骤3中计算获得的该单位时间内正态云模型与基准云模型之间的相似度,对该单位时间内的TCP流量进行判定检测,步骤为:将均值输入预先训练的支持向量机,根据支持向量机的分类结果判断是否受到了LDoS攻击,若分类结果为1,判定该单位时间内的TCP流量对应的网络受到了LDoS攻击,若分类结果为0,判定该单位时间内的TCP流量中没有受到LDoS攻击;
在计算相似度的过程中,使用基于期望曲线的正态云模型相似度算法来定量度量云模型之间的相似度,两个云模型对应的期望曲线之间的重合面积代表两个云模型之间的相似度;
所述正态云模型的期望曲线的表达式为:
所述相似度的表达式为:
其中,C1表示正态云模型,C2表示基准云模型,S表示期望曲线之间的相交面积;
支持向量机由训练样本集完成训练,训练样本集中包含正常流量和受到LDoS攻击的流量以及对应的分类号。