申请/专利权人：海南大学

申请日：2023-11-14

公开（公告）日：2024-04-05

公开（公告）号：CN117834175A

主分类号：H04L9/40

分类号：H04L9/40

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：本发明公开了一种集成多模型区块链DDoS攻击检测分类方法及系统。该方法通过采集区块链网络流量，按攻击类型标注数据集，选择GRU、CNN、LSTM、DNN、SVM等多种模型，使用数据集分别训练各模型，得到检测与分类模型。接收区块链网络流量后，输入各模型预测，计算各模型准确率，根据阈值调整其权重。然后，利用优化软投票算法，综合各模型预测结果与权重，得到流量是否为DDoS攻击及具体攻击类别。相应系统包含流量模块、检测模块、调度模块、决策模块等，并可预先使用标注数据集训练模型。该技术通过集成多模型，实现自适应权重调整，软投票预测，能够提高检测与分类的准确率，为区块链DDoS攻击防御提供高效解决方案。

主权项：1.一种集成多模型区块链DDoS攻击检测分类方法，其特征在于，包括:采集区块链网络流量数据，按照预定类别标注数据，建立数据集；选择多种机器学习和深度学习模型，包括门控循环单元、卷积神经网络、长短期记忆网络、深度神经网络和支持向量机；分别针对各模型使用所述数据集进行模型训练，得到多个检测与分类模型；接收区块链网络流量，输入到各个检测与分类模型进行预测，得到各模型的预测结果；计算各模型在当前批次样本上的预测准确率，根据预设阈值调整各模型的权重；结合各模型预测结果及其权重，利用优化软投票算法得到流量是否为DDoS攻击的检测结果及攻击类别。

全文数据：

权利要求：

百度查询： 海南大学 一种集成多模型区块链DDoS攻击检测分类方法及系统

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