[發明專利]基于深度學習的SDN網絡數據包的識別方法

在審

• 申請號: 201911338814.5
• 申請日: 2019-12-23
• 公開（公告）號: CN111082992A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 徐圣賢
• 申請（專利權）人: 超訊通信股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 胡大成

1.基于深度學習的SDN網絡數據包的識別方法，其特征在于：包括訓練檢測模型的步驟和利用檢測模型識別數據包的步驟，在控制器中嵌入訓練好的檢測模型，當接收到數據包時，對數據包解碼，提取數據包的特征，然后將提取到的特征列表傳入到檢測模型當中，利用檢測模型進行識別，正常數據包做資源調度，不正常的數據包被丟棄。

2.根據權利要求1所述的基于深度學習的SDN網絡數據包的識別方法，其特征在于：

所述的訓練檢測模型的步驟包括：

步驟S101、收集訓練數據；

步驟S102、對數據進行預處理；

步驟S103、將預處理后的數據進行特征提??；

步驟S104、將提取的特征輸入到CNN算法，訓練并保存檢測模型；

步驟S105、將測試模型嵌入控制器中。

3.根據權利要求1所述的基于深度學習的SDN網絡數據包的識別方法，其特征在于：

所述的利用檢測模型識別數據包的步驟包括：

步驟S201、接收數據包；

步驟S202、解碼數據包，提取出需要的字段；

步驟S203、將提取的字段傳入檢測模型中，利于檢測模型判斷數據包是否為正常數據包，如果為正常數據包，則轉至步驟S204，如果不是正常數據包，則轉至步驟S205；

步驟S204、下發流表，由控制器指導該類數據包轉發；

步驟S205、將不正常的數據包丟棄。

4.根據權利要求1所述的基于深度學習的SDN網絡數據包的識別方法，其特征在于：所述的步驟S101中，利用Wireshark抓包工具進行抓包，收集訓練數據。

5.根據權利要求1所述的基于深度學習的SDN網絡數據包的識別方法，其特征在于：所述的步驟S103中，所述的特征包括但不限于源IP、目的IP、源端口、目的端口。

6.根據權利要求1所述的基于深度學習的SDN網絡數據包的識別方法，其特征在于：所述的步驟S104中，CNN算法依據的公式為：(N+2P-F)/S+1，其中：

N是指特征的大?。?/p>

P是指填充數據的大小；

F是指卷積核的大??；

S是指步長。

7.根據權利要求1所述的基于深度學習的SDN網絡數據包的識別方法，其特征在于：所述的檢測模型包括兩層，每層包括一個卷積層和一個池化層，最后再經過一個平均池化層和一個全連接層。