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: 202211277245X
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APTS的慢速DoS攻击实时缓解方案,其特征在于,APTS的全称是Abnormal Port and Traffic State,即异常端口和流量状态,所述实时缓解方案包括以下几个步骤:步骤1、数据采集:使用软件定义网络的控制器获取流经交换机的数据,采集的数据包括交换机端口流量流入速度、流出速度,以及流经交换机的TCP流量和UDP流量,采样时间间隔为0.5秒,即方案每0.5秒向交换机发起获取数据的请求,数据采集基于滑动窗口实现,窗口大小为10秒,窗口步长为2秒,这些数据又分为训练数据和测试数据,其中训练数据是一段时间内的上述数据,且训练数据中至少有一个时间段存在慢速DoS攻击,测试数据为实时采集的上述数据;

步骤2、端口监控:端口监控基于端口净值系数实现,端口监控包括三个步骤:

步骤2.1、根据步骤1中得到的训练数据中端口流量流入速度、流出速度计算每个采样时刻的端口净值系数,令PNF表示端口净值系数,vin表示端口流量流入速度,vout表示端口流量流出速度,端口净值系数的计算公式可表示为:步骤2.2、根据步骤2.1中得到的训练数据的端口净值系数计算端口净值系数阈值和端口净值系数分布危险阈值;

步骤2.3、根据步骤1中实时采集的测试数据中的端口数据,按照步骤2.1中的方法计算端口净值系数,根据步骤2.2中得到的端口净值系数阈值和端口净值系数分布危险阈值,判断端口监控的结果是否正常;

步骤3、流量监控:根据步骤2得到的监控结果执行流量监控,当端口监控结果为正常时,继续重复步骤2.3,当端口监控结果为异常时,执行流量监控,流量监控基于流量特征和XGBoost模型实现,其中流量特征为基于攻击特性的特征、基于攻击效应的特征和端口分布特征三类共九种,流量监控包括两个步骤:步骤3.1、计算步骤1中得到的训练数据的九种流量特征,将这些指标作为特征输入XGBoost模型进行训练,得到流量监控模型;

步骤3.2、根据步骤1中实时采集的测试数据计算九种流量特征,输入流量监控模型进行判断,得到监控结果;

步骤4、攻击缓解:根据步骤3得到的监控结果部署缓解策略,当监控结果为正常时,返回步骤2.3并重复执行,当监控结果为异常时,执行缓解策略,缓解策略基于UDP流量系数和软件定义网络实现,UDP流量系数包括UDP流的变异系数和自相关系数,缓解策略包括三个步骤:步骤4.1、根据步骤1中采集的训练数据计算每个UDP流的变异系数和自相关系数,根据有无慢速DoS攻击提取出变异系数阈值和自相关系数阈值,保证大部分滑动窗口的合法UDP流的变异系数小于变异系数阈值,且大部分滑动窗口的合法UDP流的自相关系数小于自相关系数阈值;

步骤4.2、根据步骤1中实时采集的测试数据计算每个UDP流的变异系数和自相关系数,若变异系数和自相关系数都在阈值范围内,则该UDP流不是攻击流,否则提取该UDP流的IP字段,将该IP字段放入黑名单中;

步骤4.3、重复执行步骤4.2直到出现重复被放入黑名单的源IP字段,该IP字段即为攻击者的地址,控制器下发流规则丢弃来自该地址的流量,并从黑名单中移出该IP字段,返回步骤2.3并重复执行,若设定时间阈值内没有出现重复被放入黑名单的IP字段,则返回步骤

3.2并重复执行。

2.根据权利要求1中所述的实时缓解方案,其特征在于,步骤2.2中计算端口净值系数阈值和端口净值系数分布危险阈值,令TPNF表示端口净值系数阈值,k表示阈值系数,为可自定义的常数,μ为训练数据中无慢速DoS攻击部分的端口净值系数的均值,σ为训练数据中无慢速DoS攻击部分的端口净值系数的标准差,则端口净值系数阈值计算公式可表示为:TPNF=μ±kσ,阈值系数k和端口净值系数分布危险阈值DHTPNF可自定义,默认k=3.0,DHTPNF=5%,用户可根据对误报率、漏报率、响应速度的具体要求自定义阈值。

3.根据权利要求1中所述的实时缓解方案,其特征在于,步骤2.3中根据端口净值系数判断端口监控结果,当滑动窗口内端口净值系数超过端口净值系数阈值TPNF的数量占比,大于等于端口净值系数分布危险阈值DHTPNF,那么端口监控结果为异常,否则端口监控结果为正常,若端口监控结果正常,则使用该窗口的端口数据更新端口净值系数阈值TPNF。

4.根据权利要求1中所述的实时缓解方案,其特征在于,步骤3中流量特征为基于攻击特性的特征、基于攻击效应的特征和端口特征三类共九种,基于攻击特性的特征包括UDP流量对带宽的平均值、UDP流量的变异系数、UDP包的平均大小、以及UDP包率的信息熵,基于攻击效应的特征包括TCP流量的变异系数、TCP占总流量的平均百分比、以及TCP包率的信息熵,端口分布特征包括端口净值系数和端口数据包净值系数。

5.根据权利要求1中所述的实时缓解方案,其特征在于,步骤3.2中将流量特征输入流量监控模型得到监控结果,流量监控模型对输入进行分类,若分类结果为正常,则流量监控结果为正常,若分类结果为异常,则流量监控结果为异常。