[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

说明书

本发明为一种基于深度学习方法的物联网DDoS攻击流量检测系统，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；本发明填补了物联网DDoS流量检测软件领域的空白，方便科研人员使用，本发明开为一整套基于深度学习方法的流量检测系统，系统中集成了数据特征值自动提取功能、深度学习模型再训练功能、结果分析显示功能和检测节点间恶意攻击信息共享功能，用户仅需输入测试数据，系统通过调用自动特征提取功能模块和迁移学习训练检测模块即可为用户反馈检测结果。

技术领域

本发明涉及物联网检测领域，具体涉及一种基于深度学习方法的物联网DDoS攻击流量检测系统。

背景技术

随着信息技术的发展，物联网(Internet of Things,IoT)设备广泛普及，但基于成本和实用性等因素的考量，IoT设备的网络安全问题经常被生产商忽略。黑客善于利用安全漏洞感染大量物联网设备进而组建僵尸网络，并以僵尸网络为跳板发起分布式拒绝服务(Distributed Denial of Service,DDoS)攻击。因此，物联网领域的安全问题亟需解决，DDoS攻击流量检测软件设计作为网络安全领域的一个分支，也亟需更新。

发明内容

根据以上技术问题，本发明提供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。

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，所述ResC3D模型包括数据提取单元、灰度图像生成单元；所述Page-Net模型的数据提取单元实现数据提取功能；

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，所述ResC3D模型包括数据检测单元、模型迁移学习训练单元；

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；

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；

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。

所述节点信息共享模块实现方法为：