[发明专利]基于深度学习方法的物联网DDoS攻击流量检测系统

权利要求书

1.一种基于深度学习方法的物联网DDoS攻击流量检测系统，其特征在于由数据预处理模块、迁移学习训练检测模块、结果输出分析模块和节点信息共享模块组成，数据预处理模块和迁移学习训练检测模块连接，所述迁移学习训练检测模块和结果输出分析模块连接，所述结果输出分析模块和节点信息共享模块连接；

所述数据预处理模块是对用户的输入数据进行预处理，转换为适合作为深度学习模型输入的数据，基于不同的深度学习模型，此模块又可细分为特征提取和灰度图像生成两个分支，其中特征提取分支主要基于Scapy库搭建，负责提取pcap数据包中的特征值，并将提取得到的特征值作为Page-Net模型的输入；灰度图像生成分支负责将用户输入的数据流信息通过维度转换等方式，以字节为基础单元生成二维灰度图像，作为ResC3D等模型的输入数据；

所述迁移学习训练检测模块中集成了两类功能：一是根据用户的选择调用深度学习模型，实现流量检测工作；二是引入迁移学习的概念，支持用户使用本地数据训练深度学习模型，以提高检测模型的泛化能力；

所述检测结果输出分析模块负责接收深度学习模块的输出结果，在完成预警功能的同时，还负责更新恶意IP文档，以供信息共享模块使用；

所述节点信息共享模块通过搭建HTTP服务器的形式，将结果分析模块的输出结果以HTTP post的形式在各个检测系统节点间进行共享。

2.按照权利要求1所述的一种基于深度学习方法的物联网DDoS攻击流量检测系统，其特征在于所述数据预处理模块分别Page-Net模型、ResC3D模型两个模型，所述Page-Net模型包括数据提取单元、特征提取单元，实现数据提权功能和特征提取功能，所述ResC3D模型包括数据提取单元、灰度图像生成单元，实现数据提取功能和灰度图像生成功能；

所述迁移学习训练检测模块分别Page-Net模型、ResC3D模型两个模型，所述Page-Net模型包括数据检测单元、模型迁移学习训练单元，实现数据检测功能、模型迁移学习训练功能，所述ResC3D模型包括数据检测单元、模型迁移学习训练单元，实现数据检测功能、模型迁移学习训练功能；

所述结果输出分析模块包括预警提示单元、结果分析单元、结果输出单元，实现预警提示功能、结果分析功能、结果输出功能；

所述节点信息共享模块包括模块初始化单元、结果接收单元、信息共享单元，实现模块初始化功能、结果接功能、信息共享功能。

3.按照权利要求1所述的一种基于深度学习方法的物联网DDoS攻击流量检测系统，其特征在于所述迁移学习训练的核心算法为Fine-tuning，Fine-tuning的基本思想是以经过训练的模型参数为基准，初始化深度学习模型，得到源网络，再利用现有数据对源网络进行训练，生成目标网络。

4.按照权利要求1所述的一种基于深度学习方法的物联网DDoS攻击流量检测系统，其特征在于所述节点信息共享模块实现方法为：

(ⅰ)初始化每个节点的HTTP服务器，使其处于运转状态，以实时监听其他节点的检测结果；

(ⅱ)若防御网络中任意一节点检测到恶意流量，则会对恶意攻击的IP地址进行识别提取，并更新本地恶意IP文档，而后，节点从HTTP服务器状态自动转换为客户端状态，利用HTTP post机制将检测到的恶意攻击IP地址信息打包，以发出服务请求的模式将打包的信息传递给其他节点；

(ⅲ)防御网络中的其他节点在接收到服务请求之后，将接收到数据包中的IP地址解析出来，而后与自己的恶意IP文档进行对比，若没有重复，则将新的恶意IP地址存储在恶意IP文档中；

(ⅳ)防御网络中各个节点恢复到初始化状态，继续监听。

所述节点信息共享模块通过使用Python环境中搭建HTTP服务器来实现。