[发明专利]基于LSTM预测模型的DDoS攻击检测方法及装置有效
| 申请号： | 201810912851.1 | 申请日： | 2018-08-10 |
| 公开（公告）号： | CN108900542B | 公开（公告）日： | 2021-03-19 |
| 发明（设计）人： | 程杰仁;唐湘滟;黄梦醒;罗逸涵 | 申请（专利权）人： | 海南大学 |
| 主分类号： | H04L29/06 | 分类号： | H04L29/06;H04L12/24 |
| 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： | 本发明提供了一种基于LSTM预测模型的DDoS攻击检测方法及装置，所述方法包括：对正常网络流量按照一定的取样周期进行n次取样，计算得到n个正常网络的IP数据包统计特征值，其中n∈N；根据n个所述正常网络的IP数据包统计特征值，对待训练的LSTM预测模型进行训练；使用网格搜索和超参数最优法确定选择性丢弃神经元的概率Dropout＝0.2，来修正所述LSTM预测模型，缓解过拟合现象；根据修正后的所述LSTM预测模型，计算未来某个时段的IP数据包统计特征值的预测值；根据所述预测值，判断当前网络是否发生DDoS攻击。 | ||
| 搜索关键词： | 基于 lstm 预测 模型 ddos 攻击 检测 方法 装置 | ||
【主权项】：
1.一种基于LSTM预测模型的DDoS攻击检测方法，其特征在于，所述方法包括：对正常网络流量按照一定的取样周期进行n次取样，计算得到n个正常网络的IP数据包统计特征值，其中n∈N；根据n个所述正常网络的IP数据包统计特征值，对待训练的LSTM预测模型进行训练；使用网格搜索和超参数最优法确定选择性丢弃神经元的概率Dropout＝0.2，来修正所述LSTM预测模型，缓解过拟合现象；根据修正后的所述LSTM预测模型，计算未来某个时段的IP数据包统计特征值的预测值；根据所述预测值，判断当前网络是否发生DDoS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/201810912851.1/，转载请声明来源钻瓜专利网。
