[发明专利]基于多核学习的分布式拒绝服务攻击检测方法及装置有效
| 申请号： | 201811027529.7 | 申请日： | 2018-09-04 |
| 公开（公告）号： | CN109040113B | 公开（公告）日： | 2021-03-19 |
| 发明（设计）人： | 程杰仁;唐湘滟;黄梦醒;张晨;董哲;李俊麒 | 申请（专利权）人： | 海南大学 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06 |
| 代理公司： | 北京华智则铭知识产权代理有限公司 11573 | 代理人： | 陈向敏 |
| 地址： | 570228 海*** | 国省代码： | 海南;46 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多核学习的分布式拒绝服务攻击检测方法及装置，所述方法包括：在预设时间段内分别对正常网络流和攻击网络流进行采样，并提取五种特征值，得出正常样本集和攻击样本集，构成训练集；基于集成学习框架，分别采用梯度上升法和梯度下降法两种方式，自适应的调整训练集的五种特征值的权重，以得出两种训练好的多核学习模型；基于两种训练好的多核学习模型，通过滑动窗口机制，检测分布式拒绝服务攻击。本发明可以有效地降低分布式拒绝服务攻击检测的误报率和漏报率，提高对早期分布式拒绝服务攻击检测的准确性。 | ||
| 搜索关键词： | 基于 多核 学习 分布式 拒绝服务 攻击 检测 方法 装置 | ||
【主权项】：
1.一种基于多核学习的分布式拒绝服务攻击检测方法，其特征在于，包括：在预设时间段内分别对正常网络流和攻击网络流进行采样，并提取五种特征值，得出正常样本集和攻击样本集，构成训练集；所述五种特征值包括网络流的地址相关度、网络流的IP流特征值、IP流交互行为特征、网络流融合特征和IP流地址半交互异常度；基于集成学习框架，分别采用梯度上升法和梯度下降法两种方式，自适应的调整所述训练集的所述五种特征值的权重，以得出两种训练好的多核学习模型；基于所述两种训练好的多核学习模型，通过滑动窗口机制，检测分布式拒绝服务攻击。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于海南大学，未经海南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811027529.7/，转载请声明来源钻瓜专利网。
- 上一篇：网络控制方法和装置
- 下一篇：基于窄带物联网的安全可靠的图像传输方法
