申请/专利权人：中远海运科技股份有限公司;上海海事大学;上海船舶运输科学研究所有限公司

申请日：2024-01-03

公开（公告）日：2024-04-05

公开（公告）号：CN117834269A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/0464;H04W4/38;H04W12/121

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及网络技术领域，具体涉及一种基于RESNETCNN的海洋传感器网络DOS攻击入侵检测方法，包括：S1：建立海洋传感器网络；S2：构建RESNETCNN神经网络模型；S3：数据预处理，将从海洋传感器网络收集的网络流量数据处理成适合深度学习模型的灰度图；S4：构建异常流量检测模型；S5：部署实施环境；S6：对异常流量数据进行分类并对异常流量采取对应操作。本发明提供的检测方法能够实时检测通过海洋传感器网络层的异常流量，保障网络层的稳定运行。

主权项：1.一种基于RESNETCNN的海洋传感器网络DOS攻击入侵检测方法，其特征在于，包括如下步骤：S1：建立海洋无线传感器网络：建立由实验室中心、岸上SDN控制器、岸上汇聚节点、部署在海洋表面的混合多模态节点依次连接构成的海洋无线传感器网络；所述混合多模态节点是一种结合射频和声学通信系统的节点，用于网络流量数据采集并将采集的网络流量数据进行汇总、处理后上传给岸上汇聚节点；所述岸上汇聚节点将混合多模态节点上传的网络流量数据转发给岸上SDN控制器；所述岸上SDN控制器通过因特网将岸上汇聚节点转发的网络流量数据发送给所述实验室中心，并用于所述实验室中心部署异常流量检测模型；所述实验室中心用于对岸上SDN控制器发送的网络流量数据进行预处理、部署所述异常流量检测模型和模型训练、优化参数；S2：构建RESNETCNN神经网络模块：实验室中心构建由RESNET和CNN结合的并行交叉卷积神经网络RESNETCNN模型；S3：数据预处理：实验室中心将岸上SDN控制器发送的网络流量数据变换为适合卷积神经网络进行特征学习的灰度图或RGB图；S4：构建异常流量检测模块：对S3预处理得到的数据根据用户需求进行分类，并根据分类设定网络流量数据的类型；实验室中心利用设定了网络流量数据类型的网络流量数据对S2中的RESNETCNN模型进行训练和测试，并进行参数优化，构建异常流量检测模型；所述异常流量检测模型输入网络流量数据，输出网络流量数据类型，所述网络流量数据类型包括DOS异常流量类型；S5：部署实施环境：将S4构建好的异常流量检测模型部署在岸上SDN控制器中；S6：对异常流量进行分类并采取对应操作：岸上SDN控制器对岸上汇聚节点上传的网络流量数据输入S4中的异常流量检测模型后输出通过每个海洋表面传感器节点的网络流量数据类型，根据网络流量数据类型判断是否出现DOS异常流量，如果某个海洋表面传感器节点出现DOS异常流量，根据DOS异常流量类型采取对应操作。

全文数据：

权利要求：

百度查询： 中远海运科技股份有限公司;上海海事大学;上海船舶运输科学研究所有限公司 一种基于RESNETCNN的海洋传感器网络DOS攻击入侵检测方法

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