“严裕东”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果13个，建议您升级VIP下载更多相关专利

[发明专利]一种基于梅尔倒谱与半空间森林结合的LDoS攻击检测方法-CN202010183134.7有效
发明人：汤澹;施玮;王曦茵;陈静文;张斯琦;严裕东;张冬朔;冯叶 -专利权人：湖南大学
申请日： 2020-03-16 - 公布日： 2023-04-18 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于梅尔倒谱与半空间森林结合的慢速拒绝服务(LDoS)攻击检测方法，属于网络安全领域。其中所述方法包括：实时获取单位时间片内待检测网络的混合流量数据，提取网络流量在梅尔频率上的倒谱系数，将其作为度量正常流量和LDoS攻击流量的初始特征；然后采用互信息特征选择算法对已提取的初始特征进行优化选择；最后将择优后的特征输入到基于数据质量异常检测的半空间森林模型，通过该模型对正常流量和LDoS攻击流量进行准确区分，从而达到检测LDoS攻击的目的。本发明提出的梅尔倒谱与半空间森林结合的检测方法能高效、快速、自适应地检测LDoS攻击。
一种基于梅尔倒谱半空森林结合 ldos 攻击检测方法

[发明专利]一种基于机器学习的SDN流表溢出攻击检测与缓解方法-CN202111323738.8有效
发明人：汤澹;严裕东;张冬朔;王思苑;王小彩;李诗宇 -专利权人：湖南大学
申请日： 2021-11-10 - 公布日： 2023-02-03 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于机器学习的SDN流表溢出攻击检测与缓解方法，属于网络安全领域。所述方法包括：基于OpenFlow协议，轮询OpenvSwitch流表项，形成原始数据；解析流表项的各字段，分为“特征”和“标识”两组，结合网络测量准则，计算流表项的五种特征及其属于“大象流”、“小鼠流”和“攻击流”的标签，作为原始数据集；采用监督学习训练流表项分类模型，并部署在OpenvSwitch中；OpenvSwitch中的实时攻击缓解系统监控流表占用率，若超过阈值，则判定发生流表溢出攻击，系统利用模型预测流表项的驱逐得分并排序，按顺序删除一定数量的流表项以释放流表空间。本发明中的流表溢出攻击检测与缓解方法检测率高，系统开销低，兼容SDN环境，能实现对流表溢出攻击的精准检测和实时缓解。
一种基于机器学习 sdn 溢出攻击检测缓解方法

[发明专利]一种基于排序学习的SDN数据平面低速率DDoS攻击缓解方法-CN202211284363.3在审
发明人：汤澹;代锐;严裕东;杨秋伟;高辰郡;陈湘 -专利权人：湖南大学重庆研究院
申请日： 2022-10-20 - 公布日： 2023-01-31 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于排序学习的SDN数据平面低速率DDoS攻击缓解方法，属于网络安全领域。所述方法包括：基于OpenvSwitch交换机，轮询SDN交换机流表并提取流表项，形成原始数据；提取流表项的特征六元组和标识，结合源IP地址等信息，为流表项标记相关性标签和查询ID；采用集成学习XGBoost方法，基于Pairwise建立流表项排序学习模型，并部署在SDN交换机上；交换机上的攻击缓解系统实时监控是否发生了由DDoS攻击导致的流表溢出；若发生攻击，排序学习模型预测每条流表项的排序分数，并按排序分数降序重排流表、设定攻击检测阈值，最后自上而下遍历流表项，决定哪些流表项应被删除。本发明对数据平面低速率DDoS攻击检测率高，误报、漏报率低，自适应性强，缓解迅速、有效。
一种基于排序学习 sdn 数据平面速率 ddos 攻击缓解方法

[发明专利]一种基于NCS-SVM的LDoS攻击检测方法-CN202011015908.1有效
发明人：汤澹;郑芷青;严裕东;王曦茵;王思苑;张嘉怡 -专利权人：湖南大学
申请日： 2020-09-24 - 公布日： 2022-11-11 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于NCS‑SVM的慢速拒绝服务(LDoS)攻击检测方法，属于网络安全领域。其中所述方法包括：以一个时间窗口为检测单位，实时获取检测网络的TCP流量，对该时间窗口内TCP流量进行原始数据解析，采用逆向云生成器将时间窗口内的TCP流量映射到云空间中生成正态云模型，并使用其期望曲线刻画TCP流量的分布形态特征；根据事先利用无攻击的TCP流量生成的基准云模型作为计算相似度的基准，定量计算该时间窗口内TCP流量对应的云模型与基准云模型之间的相似度，并将相似度输入到预先训练的支持向量机分类器中，根据相关判定准则，是否存在因LDoS攻击导致的TCP流量分布形态异常，导致该时间窗口云模型和基准云模型相似度远小于1，来检测该时间窗口内是否受到LDoS攻击。本发明提出的基于TCP流量分布形态特征的检测方法能高效、快速地检测LDoS攻击。
一种基于 ncs svm ldos 攻击检测方法

[发明专利]一种基于频域特征融合的LDoS攻击检测方法-CN202110120506.6有效
发明人：汤澹;张冬朔;代锐;王思苑;严裕东;张嘉怡 -专利权人：湖南大学
申请日： 2021-01-28 - 公布日： 2022-02-01 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种基于频域特征融合的LDoS攻击检测方法，属于计算机网络安全领域。其中所述方法包括：首先，获取路由器中的网络数据报文，得到样本序列；然后，基于离散傅里叶变换和离散小波变换将样本序列从时间域变换到频率域，充分地提取样本序列的频域特征；接着，采用线性判别分析将提取的频域特征进行特征融合得到判定特征，从而能够显著提高特征的分类性能；最后，将判定特征输入到事先训练好的单类分类异常检测模型，并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。本发明提出的基于频域特征融合的检测方法能高效、快速、准确地检测LDoS攻击。
一种基于特征融合 ldos 攻击检测方法

[发明专利]一种基于P-F的软件定义网络慢速拒绝服务攻击检测方法-CN202011068857.9有效
发明人：汤澹;严裕东;王曦茵;陈静文;张冬朔;解子朝;王思苑 -专利权人：湖南大学
申请日： 2020-09-28 - 公布日： 2021-07-27 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于P‑F方法的软件定义网络(SDN)慢速拒绝服务攻击检测方法，属于网络安全领域。其中所述方法包括：实时获取SDN交换机中的流表信息，基于OpenFlow协议，对单位时间窗口内的流量条目及其数据进行采样统计；提取网络特征值，并依据网络协议种类，将所提取的特征值分为攻击效果P与攻击特征F两组；根据P与F两组特征值，利用梯度提升树‑逻辑回归(GBDT‑LR)与双滑片‑K峰值(DSS‑KB)算法分别构建基于P与F的检测模型；根据待测时间窗口内的网络数据，基于两种检测模型检测结论的综合分析，判定待检测时间窗口内是否同时出现网络形态异常和LDoS攻击流，从而检测该窗口内是否发生LDoS攻击。本发明提出的P‑F方法对于LDoS攻击检测率高，误报、漏报率低，自适应性强，且该方法能运行在SDN控制器上，针对SDN环境中的LDoS攻击，能够实现精准、实时的检测。
一种基于软件定义网络慢速拒绝服务攻击检测方法

[发明专利]一种基于分形残差的LDoS攻击实时检测方法-CN202010183854.3有效
发明人：汤澹;冯叶;张斯琦;陈静文;王曦茵;张冬朔;严裕东;施玮 -专利权人：湖南大学
申请日： 2020-03-16 - 公布日： 2021-07-27 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于分形残差的LDoS攻击实时检测方法，属于网络安全领域。其中所述方法包括：获取单位时长内检测网络的数据流量，基于滑动窗口的概念，对获取到的数据流量进行处理，获得数据流量的Hurst滑动窗口。根据R/S算法分析计算Hurst滑动窗口的分形值，使用拟合残差公式，计算Hurst滑动窗口的分形残差值，将待测网络数据流量的分形残差值与变异系数共同作用作为决策特征值，与事先训练出来的决策阈值进行比较，依据相关判定准则判定，是否存在因LDoS攻击而导致的网络流量的分形残差值异常，从而检测该Hurst滑动窗口内是否发生LDoS攻击。本发明提出的基于分形残差的LDoS攻击实时检测方法，误报率和漏报率较低，检测准确度较高，实时性好。
一种基于分形残差 ldos 攻击实时检测方法

[发明专利]一种基于FSWT时频分布的LDoS攻击检测方法-CN202110119625.X在审
发明人：汤澹;严裕东;冯叶;郑芷青;张冬朔;徐柳深 -专利权人：湖南大学
申请日： 2021-01-28 - 公布日： 2021-05-11 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于FSWT时频分布的LDoS攻击检测方法，属于计算机网络安全领域。其中所述方法包括四个步骤，网络流量采集、统计特征提取和特征检测模型构建、LDoS攻击行为判定。首先在路由器上提取TCP流量形成原始网络流量；然后处理原始网络流量获得有效网络流量，使用FSWT时频变换技术获取有效网络流量的时频分布，并计算重要统计特征作为检测依据；通过训练数据的统计特征和标签，训练决策树分类模型作为特征检测模型；以上述训练好的特征检测模型的输出来判断是否发生LDoS攻击。本发明提出的LDoS攻击检测方法，对复杂网络环境中噪声等问题有很好的抗干扰性，该方法能够准确提取网络流量在时频域中的特征信息，提高特征的准确性，增强LDoS攻击的检测性能。
一种基于 fswt 分布 ldos 攻击检测方法

[发明专利]一种基于MAF-ADM的低速率拒绝服务攻击检测方法-CN202010406757.6在审
发明人：冯叶;詹思佳;汤澹;唐柳;陈静文;严裕东;解子朝;郑芷青 -专利权人：湖南大学
申请日： 2020-05-14 - 公布日： 2020-08-28 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于多特征自适应融合异常检测算法(MAF‑ADM)的低速率拒绝服务攻击检测方法，属于计算机网络安全领域。其中所述方法包括四个步骤，分别是样本采集、特征提取、异常检测模型构建和异常判定。首先在瓶颈链路中设置样本采集点收集网络流量数据并从中提取TCP流量数据。然后对TCP流量数据进行短时傅里叶变换来获取其对应的时频分布，选取其中重要的统计特征作为检测依据。最后通过子模型构建、加权融合和平滑处理与阈值计算三个模块构建异常检测模型，以上述异常检测模型的输出为依据判断是否发生低速率拒绝服务攻击。本发明提出的低速率拒绝服务攻击检测方法能克服复杂网络环境中偶然因素所带来的检测性能下降等问题，具有较好的自适应性、较高的准确率以及较低的误报率和漏报率。
一种基于 maf adm 速率拒绝服务攻击检测方法

[发明专利]一种基于LR算法的慢速拒绝服务攻击检测方法-CN201910920763.0在审
发明人：汤澹;严裕东;冯叶;张斯琦;郑芷青;张冬朔;詹思佳 -专利权人：湖南大学
申请日： 2019-09-27 - 公布日： 2020-01-21 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于LR算法的慢速拒绝服务(LDoS)攻击检测方法，属于网络安全领域。其中所述方法包括：以一个时间窗口为检测单位，实时获取检测网络的数据报文；基于LDoS攻击下的网络数据分布形态特征，以提取相关网络数据特征值的方式，对各个时间窗口内数据进行处理，并以提取的特征值作为LR算法的训练输入，完成检测模型构建；对于待检测网络，同样提取的该时间窗口内数据报文的分布形态特征，利用训练完成的LR模型进行攻击检测，并依据相关判定准则判定是否发生LDoS攻击。本发明提出的LR算法针对检测LDoS攻击的应用场景，能高效、快速、自适应地检测LDoS攻击。
时间窗口检测算法攻击分布形态攻击检测数据报文网络数据网络安全领域检测单位拒绝服务模型构建判定准则实时获取应用场景自适应慢速判定网络

[发明专利]一种基于PCA-SVM算法的慢速拒绝服务攻击检测方法-CN201910920902.X在审
发明人：汤澹;张冬朔;代锐;陈静文;王曦茵;严裕东;唐柳 -专利权人：湖南大学
申请日： 2019-09-27 - 公布日： 2020-01-07 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于PCA‑SVM算法的慢速拒绝服务(LDoS)攻击检测方法，属于网络安全领域。其中所述方法包括：对网络中某一时间段内的数据流量信息进行实时采样，提取其中的TCP流量并划分时间片；采用主成分分析法(PCA)对原始样本矩阵进行特征选择，提取出对分类最有益的特征得到主成分样本矩阵；对于主成分样本矩阵中的每一个时间片，根据是否受到LDoS攻击时TCP流量表现出的不同特点，利用支持向量机(SVM)算法训练得到的决策函数作为分类模型进行特征映射；根据决策函数计算得到的不同标签值，将每个时间片分类到存在LDoS攻击的类别或者不存在LDoS攻击的类别中，从而实现对于LDoS攻击的检测。本发明提出的基于PCA‑SVM算法的检测方法能准确、高效、快速、自适应地检测LDoS攻击。
攻击时间片样本矩阵检测矩阵决策函数计算数据流量信息网络安全领域主成分分析法支持向量机分类模型攻击检测拒绝服务决策函数实时采样算法训练特征选择原始样本流量表时间段自适应分类慢速映射标签网络

[发明专利]一种基于SA-DBSCAN算法的低速率拒绝服务攻击检测方法-CN201910920919.5在审
发明人：汤澹;张斯琦;代锐;吴佳宸;严裕东;陈静文;唐柳 -专利权人：湖南大学
申请日： 2019-09-26 - 公布日： 2020-01-03 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于自适应密度聚类(SA‑DBSCAN)算法的低速率拒绝服务攻击检测方法，属于网络安全领域。其中所述方法包括：对采样数据按固定时间划分为多个待测数据单元，计算每个数据单元的方差和平均差作为特征值；基于SA‑DBSCAN算法对待测数据自适应地进行密度聚类，得到聚类结果，包含0、1、2三种标签，其中0表示噪声单元，1表示正常数据单元，2表示发生低速率拒绝服务攻击的数据单元；最后对密度聚类得到的噪声单元进一步分析，判定该噪声单元是否为发生低速率拒绝服务攻击的数据单元。本发明提出的基于SA‑DBSCAN算法的检测方法可以有效地检测出低速率拒绝服务攻击，同时具有处理大数据的能力。
低速率拒绝服务攻击数据单元密度聚类噪声单元算法自适应检测网络安全领域采样数据聚类结果正常数据大数据有效地方差判定标签分析

[发明专利]一种基于Elman神经网络的低速率拒绝服务攻击检测方法-CN201910920718.5在审
发明人：汤澹;陈藜文;施玮;严裕东;张斯琦;王曦茵;满坚平 -专利权人：湖南大学
申请日： 2019-09-27 - 公布日： 2019-12-13 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于Elman神经网络的低速率拒绝服务(LDoS)攻击检测方法，属于网络安全领域。其中所述方法包括：获取网络中经过关键路由器的数据报文形成样本原始值，以固定时间将样本原始值划分为多个检测窗口，以检测窗口为单位进行检测，对该检测窗口内数据报文进行原始数据分析，根据分析数据报文的波动特征和形态变化，提取方差、标准差、极差和平均值四个特征值；根据提取的特征值，添加两类标签区分发生LDoS攻击和未发生LDoS攻击两种类别，采用Elman神经网络，进行训练分类；输入待检测数据到训练好的Elman神经网络进行检测。依据神经网络输出结果与标签对比判定，判断该检测窗口内是否发生LDoS攻击。本发明提出的基于Elman神经网络的检测方法能高效、快速、自适应地检测LDoS攻击。
检测神经网络攻击数据报文样本标签低速率拒绝服务神经网络输出网络安全领域待检测数据波动特征分析数据攻击检测形态变化训练分类原始数据标准差路由器自适应报文方差极差判定分析网络

1
共 13 条