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: 2021113237388
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
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:

1.一种基于机器学习的SDN流表溢出攻击检测与缓解方法,其特征在于,所述流表溢出攻击检测与缓解方法,包括以下几个步骤:

步骤1、流表数据采样:以SDN配置的软超时为采样周期,实时获取SDN交换机中的流表信息,记录流表中存储的每个流表项,形成流表溢出攻击检测的原始数据;

步骤2、流表字段划分:解析SDN流表数据中的各字段,并将所有的字段分为“特征”与“标记”两类,其中,“特征”类字段反映流表的常用程度和活跃水平,具体包括流表持续时间、流表匹配包数以及流表累计匹配字节数三个字段;“标记”类字段则是流表项的唯一标识,用作识别特定的流表项,具体包括流表中的匹配域,即流表项的IP源地址、IP目的地址、源MAC地址、目的MAC地址和网络协议类型五个字段;

步骤3、流量类型标记:将SDN流表中的流表项划分为三类,用于训练流表溢出攻击检测与缓解模型,具体是:将所有的正常流表项,依据其数据传输的紧急程度,分为“大象流”和“小鼠流”,标签分别为0和1;将对应攻击的流表项标记为“攻击流”类,标签为2;

步骤4、分类模型训练:基于步骤2中所提取的流表项三个“特征”字段,提取流表项的五个特征值,联合步骤3中流表项的三种不同标签,采用机器学习中的监督学习算法,训练一个流表项三分类模型;

步骤5、攻击判定检测:控制器每秒获取SDN交换机中的流表项数量,若某一时刻流表项的数量超过了预设的阈值,则判定发生了流表溢出攻击;

步骤6、流表溢出缓解:当步骤5判定发生了流表溢出攻击时,首先,利用步骤4中获取的流表项三分类模型,预测当前交换机中的所有流表项的标签,以检测哪些流表项可能属于“攻击流”;然后,基于步骤4训练得到的流表项三分类模型,计算全体流表项的概率向量,以三元组形式表示,分别表示该流表项可能属于“大象流”、“小鼠流”和“攻击流”的概率;然后,使用每条流表项的概率向量进行加权计算,即将该流表项分别属于各标签的概率与设定的权重相乘后累加,得到每条流表项的驱逐得分,其中,概率向量中的“攻击流”概率具有最高的权重,“小鼠流”权重次之,“大象流”的权重最低,接着,将交换机中所有的流表项,依据各自的驱逐得分从高到低排序,排名越靠前,流表项的驱逐优先级越高,此时,“攻击流”具有最高的驱逐优先级,属于正常流量但数据传输效率较低的“小鼠流”次之,而数据传输紧急程度高的“大象流”最不可能被驱逐;最后,使用OpenvSwitch命令行删除被预测为“攻击流”的流表项,并强制删除具有最高一定比例的驱逐得分的流表项,以释放流表空间。

2.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤1中的流表数据采样基于软件交换机OpenvSwitch,软件交换机以预先配置的软超时时间为间隔,采用OpenvSwitch命令行脚本程序,提取流表中的所有流表项记录,形成原始流表数据。

3.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤3中区分“大象流”和“小鼠流”两种正常流量的“数据传输紧急程度”的定义是流表项的平均数据传输速度,具体为:基于流表项“特征”字段,计算流表累计匹配字节数与流表持续时间两个字段的比值,得到流表项的平均数据传输速度,再基于网络测量指标,将具有最高20%的平均数据传输速度的流表项划分为“大象流”,其余80%的流表项则为“小鼠流”。

4.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤4中的流表项分类模型的训练,包含两个步骤:

步骤4.1:基于步骤2中所提取的流表项三个“特征”字段,提取流表项的五个特征值,分别是:流持续时间、流匹配包数、流匹配字节数、平均包大小以及平均包到达间隔;

步骤4.2:基于流表项在步骤4.1中所提取的五个特征值及其在步骤3中获取的标签,采用监督学习算法,训练一个流表项三分类模型,具体是:采用集成学习方法GBDT,设定特征个数等于所提取的特征值数量,进行多分类器的训练。

5.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤5中,流表溢出攻击检测的阈值是90%,即当前流表项数量达到或超过交换机流表最大容量的90%时,判定流表剩余空间不足,可能受到流表溢出攻击,需要进一步的攻击缓解措施。

6.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤6中的流表项驱逐得分的计算方式为:‑P(e)+P(m)+2P(a),其中,P(e),P(m),P(a)分别为流表项分别属于“大象流”、“小鼠流”和“攻击流”的概率,其中“大象流”、“小鼠流”和“攻击流”的权重分别为‑1,1和2。

7.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤6中,缓解流表溢出攻击时,若被预测为“攻击流”的流表项数量不足,该方法将强制删除具有最高一定比例驱逐得分的流表项,该比例的设定区间适中,为10%‑30%,一方面保证释放充足的流表空间,以缓解流表溢出攻击,另一方面,可以避免原有正常流表项被大量删除。

8.根据权利要求1中所述的流表溢出攻击检测与缓解方法,其特征在于,步骤6中,流表项的驱逐基于流表项的唯一标识,即使用“标记”字段定位所需驱逐的流表项,并执行删除动作。