[發明專利]一種基于梅爾倒譜與半空間森林結合的LDoS攻擊檢測方法

有效

• 申請號: 202010183134.7
• 申請日: 2020-03-16
• 公開（公告）號: CN111444501B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 湯澹;施瑋;王曦茵;陳靜文;張斯琦;嚴裕東;張冬朔;馮葉
• 申請（專利權）人: 湖南大學
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06F18/214
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于梅爾倒譜與半空間森林結合的LDoS攻擊檢測方法，其特征在于，所述LDoS攻擊檢測方法包括以下幾個步驟：

步驟1、提取初始特征：實時獲取服務器和路由器中的混合數據流量，提取時間片內的混合數據流量在梅爾頻率上的倒譜系數作為初始特征；

步驟2、特征優化選擇：采用互信息特征選擇算法對已提取的初始特征進行優化選擇，獲取提優后的特征；

步驟3、構建半空間森林模型：利用已獲取的提優特征構建基于質量估計的半空間森林模型；

步驟4、檢測判定：將時間片內獲取的提優特征輸入到半空間森林模型中，獲取該時間片的異常量值，若符合相關判定準則，則判定該時間片內網絡中存在LDoS攻擊。

2.根據權利要求1中所述的LDoS攻擊檢測方法，其特征在于，步驟1中對網絡中服務器和路由器，按照時間片劃分混合數據流量，按照梅爾倒譜特征提取方法，將時間片內的混合數據流量作為輸入，獲取其在梅爾頻率上的倒譜系數作為初始特征。

3.根據權利要求2中所述的LDoS攻擊檢測方法，其特征在于，步驟1中的梅爾倒譜特征提取方法是從低頻到高頻的頻帶內，按照臨界帶寬的大小由密到疏安排一組帶通濾波器對輸入數據進行濾波，將每個帶通濾波器輸出的能量進一步處理后就可以得到梅爾倒譜系數。

4.根據權利要求1中所述的LDoS攻擊檢測方法，其特征在于，步驟2中根據步驟1中已獲取的初始特征，使用互信息特征選擇算法對初始特征擇優排序，選擇前k個特征作為擇優后的特征。

5.根據權利要求4中所述的慢速拒絕服務攻擊檢測方法，其特征在于，步驟2中的互信息選擇算法是采用步進的方法，每次選擇一個與其他特征具有最大互信息的特征，直到選擇出前k個特征使得算法性能達到最優。

6.根據權利要求1中所述的LDoS攻擊檢測方法，其特征在于，步驟3中根據步驟2中獲取的擇優特征構建基于質量估計的半空間森林模型，包括三個步驟：

步驟3.1、從輸入的訓練數據中隨機挑選樣本子集，并生成半空間樹所需的工作空間；

步驟3.2、使用從步驟3.1挑選的樣本子集在工作空間中生成第i棵半空間樹；

步驟3.3、將步驟3.2生成的第i棵半空間樹匯入半空間森林，直到生成的半空間樹的數量滿足半空間森林的要求數量則完成森林模型構建。

7.根據權利要求6中所述的LDoS攻擊檢測方法，其特征在于，步驟3.1中訓練數據為從多個時間片內獲取的多維特征映射到多維空間中的數據點的集合。

8.根據權利要求6中所述的LDoS攻擊檢測方法，其特征在于，步驟3.2中的半空間樹實質為一個二叉樹，該樹的內部節點產生一個空間分裂節點將其所在的空間分為兩個相同大小的空間，外部節點阻止進一步的分裂，且所有的節點都記錄了訓練數據在各自空間區域的質量。

9.根據權利要求6中所述的LDoS攻擊檢測方法，其特征在于，步驟3.3中的半空間森林為由若干棵半空間樹構成的樹的集合。

10.根據權利要求1中所述的LDoS攻擊檢測方法，其特征在于，步驟4中的檢測判定準則為：若該時間片內的異常量大于預先存儲的異常量閾值，則該時間片內存在LDoS攻擊，若該時間片內的異常量小于預先存儲的異常量閾值，則該時間片內不存在LDoS攻擊。