[發(fā)明專利]基于Spark Streaming的DNS水刑攻擊處理方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810115903.2
• 申請日: 2018-02-06
• 公開（公告）號: CN108040076A
• 公開（公告）日: 2018-05-15
• 發(fā)明（設(shè)計）人: 張躍冬;陳立國;耿光剛;延志偉
• 申請（專利權(quán)）人: 中國互聯(lián)網(wǎng)絡(luò)信息中心
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L29/12
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 古利蘭;王寶筠

1.一種基于Spark Streaming的DNS水刑攻擊處理方法，其特征在于，包括：

在待保護(hù)的遞歸服務(wù)器上采集實時解析請求，將采集的所述實時解析請求轉(zhuǎn)換為第一消息；

基于Spark Streaming以預(yù)設(shè)時間間隔提取出所述第一消息的特征；

將提取出的所述第一消息的特征輸入預(yù)先構(gòu)建的隨機(jī)森林模型；

基于所述隨機(jī)森林模型對所述第一消息的特征進(jìn)行識別，識別出所述實時解析請求中的水刑攻擊請求；

將所述水刑攻擊請求所對應(yīng)的客戶端網(wǎng)絡(luò)地址添加至系統(tǒng)防火墻黑名單。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

獲取歷史水刑攻擊的攻擊日志；

對所述攻擊日志進(jìn)行預(yù)處理，提取特征，生成訓(xùn)練數(shù)據(jù)；

基于所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一隨機(jī)森林模型；

驗證所述第一隨機(jī)森林模型，根據(jù)驗證結(jié)果，對所述第一隨機(jī)森林模型的參數(shù)進(jìn)行調(diào)整，生成所述預(yù)先構(gòu)建的隨機(jī)森林模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在待保護(hù)的遞歸服務(wù)器上采集實時解析請求，將采集的所述實時解析請求轉(zhuǎn)換為第一消息包括：

基于軟件Kafka在待保護(hù)的遞歸服務(wù)器上采集實時解析請求，將采集的所述實時解析請求轉(zhuǎn)換為第一消息。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述驗證所述第一隨機(jī)森林模型，根據(jù)驗證結(jié)果，對所述第一隨機(jī)森林模型的參數(shù)進(jìn)行調(diào)整，生成所述預(yù)先構(gòu)建的隨機(jī)森林模型包括：

基于5折交叉驗證的方式驗證所述第一隨機(jī)森林模型，根據(jù)驗證結(jié)果，對所述第一隨機(jī)森林模型的參數(shù)進(jìn)行調(diào)整，生成所述預(yù)先構(gòu)建的隨機(jī)森林模型。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一隨機(jī)森林模型包括：

通過Spark Mllib基于所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一隨機(jī)森林模型。

6.一種基于Spark Streaming的DNS水刑攻擊處理系統(tǒng)，其特征在于，包括：

采集模塊，用于在待保護(hù)的遞歸服務(wù)器上采集實時解析請求，將采集的所述實時解析請求轉(zhuǎn)換為第一消息；

特征提取模塊，用于基于Spark Streaming以預(yù)設(shè)時間間隔提取出所述第一消息的特征；

輸入模塊，用于將提取出的所述第一消息的特征輸入預(yù)先構(gòu)建的隨機(jī)森林模型；

識別模塊，用于基于所述隨機(jī)森林模型對所述第一消息的特征進(jìn)行識別，識別出所述實時解析請求中的水刑攻擊請求；

添加模塊，用于將所述水刑攻擊請求所對應(yīng)的客戶端網(wǎng)絡(luò)地址添加至系統(tǒng)防火墻黑名單。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，還包括：

獲取模塊，用于獲取歷史水刑攻擊的攻擊日志；

第一生成模塊，用于對所述攻擊日志進(jìn)行預(yù)處理，提取特征，生成訓(xùn)練數(shù)據(jù)；

訓(xùn)練模塊，用于基于所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一隨機(jī)森林模型；

第二生成模塊，用于驗證所述第一隨機(jī)森林模型，根據(jù)驗證結(jié)果，對所述第一隨機(jī)森林模型的參數(shù)進(jìn)行調(diào)整，生成所述預(yù)先構(gòu)建的隨機(jī)森林模型。

8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述采集模塊具體用于：

基于軟件Kafka在待保護(hù)的遞歸服務(wù)器上采集實時解析請求，將采集的所述實時解析請求轉(zhuǎn)換為第一消息。

9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述第二生成模塊具體用于：

基于5折交叉驗證的方式驗證所述第一隨機(jī)森林模型，根據(jù)驗證結(jié)果，對所述第一隨機(jī)森林模型的參數(shù)進(jìn)行調(diào)整，生成所述預(yù)先構(gòu)建的隨機(jī)森林模型。

10.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述訓(xùn)練模型具體用于：

通過Spark Mllib基于所述訓(xùn)練數(shù)據(jù)訓(xùn)練得到第一隨機(jī)森林模型。