申请/专利权人：重庆邮电大学;赛尔网络有限公司

申请日：2019-11-04

公开（公告）日：2020-02-11

公开（公告）号：CN110784481A

主分类号：H04L29/06(20060101)

分类号：H04L29/06(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.09.07#授权;2020.03.06#实质审查的生效;2020.02.11#公开

摘要：本发明涉及网络安全技术领域，特别涉及一种基于神经网络的SDN的DDoS检测方法及检测系统，本发明系统包括信息提取模块、异常预警模块、流表信息收集模块、信息处理模块以及检测模块；信息提取模块用于提取packet_in包中的源IP地址、目的IP地址信息；异常预警模块用于三支决策原理，利用朴素贝叶斯的概率模型获得异常警报的阈值，计算数据包所处类型的概率低于阈值，则发出异常预警；流表信息收集模块用于收集流表数据；信息处理模块用于对收集的OpenFlow流表数据进行标准化、归一化、降维的数据操作；本发明在软件定义网络中可以较快对网络中异常信息进行判断并发出预警，且对网络不会造成太大的负载。

主权项：1.SDN网络中基于神经网络的DDoS检测方法，其特征在于，包括：收集、分析Openflow交换机发送给OpenFlow控制器的packet_in数据包；对接收到的packet_in包进行数据包的解析，提取出数据包的所有字段及相应的值；基于三支决策原理，利用朴素贝叶斯的概率模型获得异常警报的阈值，计算数据包所处类型的概率，并根据该概率进行异常报警；在异常预警发出时，收集OpenFlow流表信息，并将采集的OpenFlow流表存储到数据库或文件中；对收集到的流表信息进行处理，提取出原始的特征，结合DDoS攻击特征，构建出多维特征向量组；对构建出多维特征向量组进行增量学习，通过主成分分析的方法进行空间映射，形成新的特征向量，将新的特征向量将作为深度神经网络的输入，训练得到深度神经网络；将实时的数据包输入深度神经网络，即可对数据进行DDoS检测，得出攻击类型。

全文数据：

权利要求：

百度查询： 重庆邮电大学;赛尔网络有限公司 SDN网络中基于神经网络的DDoS检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD