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。