1.一种基于频域特征融合的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:获取路由器中的网络数据报文,对单位时间内所有网络数据报文进+
行采样,得到包含N个采样点的样本序列{x(t),t=nΔt,n∈Z},其中,Δt为采样时间;
步骤2、特征提取:基于离散傅里叶变换和离散小波变换,提取样本序列的频域特征,包括两个步骤:
步骤2.1、基于离散傅里叶变换,将样本序列从时间域变换到频率域,进而提取样本序列的振幅谱;
步骤2.2、基于离散小波变换,对样本序列进行时频域分析,进而提取样本序列的近似系数;
步骤3、特征融合:基于线性判别分析,将提取的振幅谱和近似系数分别进行特征融合,从而能够提高特征的分类性能,包括两个步骤:步骤3.1、基于线性判别分析,将提取的振幅谱融合为判定特征1;
步骤3.2、基于线性判别分析,将提取的近似系数融合为判定特征2;
步骤4、判定检测:将判定特征1和判定特征2输入到单类分类异常检测模型中,根据异常检测模型的输出,对该单位时间内的网络数据报文进行判定检测,若异常检测模型的输出为‑1,则判定该单位时间内网络中发生了LDoS攻击。
2.根据权利要求1中所述的LDoS攻击检测方法,其特征在于,步骤2.1中样本序列的离散傅里叶变换定义为:
其中,k=0,1,2,...,N‑1。
3.根据权利要求1中所述的LDoS攻击检测方法,其特征在于,步骤2.2中样本序列的离散小波变换定义为:
其中,ψj,k(t)是小波函数, 是尺度函数,dj,k是小波系数,aJ,k是近似系数。
4.根据权利要求1中所述的LDoS攻击检测方法,其特征在于,步骤3中线性判别分析的基本思想是通过投影变换w,使得同类样例在投影后的投影点尽可能接近,异类样例在投影后的投影点尽可能远离,因此,其最大化的目标函数为:其中,Sb是类间散度矩阵,Sw是类内散度矩阵。
5.根据权利要求1中所述的LDoS攻击检测方法,其特征在于,步骤4中单类分类异常检测模型是支持向量数据描述模型,其基本思想是通过非线性映射将原始训练样本映射到高维特征空间,在高维特征空间中寻找一个包含全部或大部分训练样本且体积最小的超球体,即最优超球体,通过非线性映射,如果新样本在特征空间中的像落入最优超球体内,则该样本被视为一个正常点,否则被视为一个异常点,最优超球体由其球心和半径决定,设超球体的球心为a,半径为r,则支持向量数据描述的目标函数为:其中,ξi是松弛变量,通过在目标函数中引入该变量,可以避免模型过拟合,C是正则化因子,用于控制松弛变量ξi影响大小。