[發明專利]基于深度學習方法的物聯網DDoS攻擊流量檢測系統

有效

• 申請號: 202011167972.1
• 申請日: 2020-10-28
• 公開（公告）號: CN112468439B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 韓長江;王棟;趙波;岳澤輪;郭林紅
• 申請（專利權）人: 中國人民武裝警察部隊后勤學院
• 主分類號: H04L9/40
• 分類號: H04L9/40;G06N3/045;G06N3/096
• 代理公司: 天津英揚昊睿專利代理事務所(普通合伙) 12227
• 代理人: 單軍

1.一種基于深度學習方法的物聯網DDoS攻擊流量檢測系統，其特征在于由數據預處理模塊、遷移學習訓練檢測模塊、結果輸出分析模塊和節點信息共享模塊組成，數據預處理模塊和遷移學習訓練檢測模塊連接，所述遷移學習訓練檢測模塊和結果輸出分析模塊連接，所述結果輸出分析模塊和節點信息共享模塊連接；

所述數據預處理模塊是對用戶的輸入數據進行預處理，轉換為適合作為深度學習模型輸入的數據，基于不同的深度學習模型，此模塊又可細分為特征提取和灰度圖像生成兩個分支，其中特征提取分支主要基于Scapy庫搭建，負責提取pcap數據包中的特征值，并將提取得到的特征值作為Page-Net模型的輸入；灰度圖像生成分支負責將用戶輸入的數據流信息通過維度轉換等方式，以字節為基礎單元生成二維灰度圖像，作為ResC3D等模型的輸入數據；

所述遷移學習訓練檢測模塊中集成了兩類功能：一是根據用戶的選擇調用深度學習模型，實現流量檢測工作；二是引入遷移學習的概念，支持用戶使用本地數據訓練深度學習模型，以提高檢測模型的泛化能力；

所述檢測結果輸出分析模塊負責接收深度學習模塊的輸出結果，在完成預警功能的同時，還負責更新惡意IP文檔，以供信息共享模塊使用；

所述節點信息共享模塊通過搭建HTTP服務器的形式，將結果分析模塊的輸出結果以HTTP post的形式在各個檢測系統節點間進行共享。

2.按照權利要求1所述的一種基于深度學習方法的物聯網DDoS攻擊流量檢測系統，其特征在于所述數據預處理模塊分別Page-Net模型、ResC3D模型兩個模型，所述Page-Net模型包括數據提取單元、特征提取單元，實現數據提權功能和特征提取功能，所述ResC3D模型包括數據提取單元、灰度圖像生成單元，實現數據提取功能和灰度圖像生成功能；

所述遷移學習訓練檢測模塊分別Page-Net模型、ResC3D模型兩個模型，所述Page-Net模型包括數據檢測單元、模型遷移學習訓練單元，實現數據檢測功能、模型遷移學習訓練功能，所述ResC3D模型包括數據檢測單元、模型遷移學習訓練單元，實現數據檢測功能、模型遷移學習訓練功能；

所述結果輸出分析模塊包括預警提示單元、結果分析單元、結果輸出單元，實現預警提示功能、結果分析功能、結果輸出功能；

所述節點信息共享模塊包括模塊初始化單元、結果接收單元、信息共享單元，實現模塊初始化功能、結果接功能、信息共享功能。

3.按照權利要求1所述的一種基于深度學習方法的物聯網DDoS攻擊流量檢測系統，其特征在于所述遷移學習訓練的核心算法為Fine-tuning，Fine-tuning的基本思想是以經過訓練的模型參數為基準，初始化深度學習模型，得到源網絡，再利用現有數據對源網絡進行訓練，生成目標網絡。

4.按照權利要求1所述的一種基于深度學習方法的物聯網DDoS攻擊流量檢測系統，其特征在于所述節點信息共享模塊實現方法為：

(ⅰ)初始化每個節點的HTTP服務器，使其處于運轉狀態，以實時監聽其他節點的檢測結果；

(ⅱ)若防御網絡中任意一節點檢測到惡意流量，則會對惡意攻擊的IP地址進行識別提取，并更新本地惡意IP文檔，而后，節點從HTTP服務器狀態自動轉換為客戶端狀態，利用HTTP post機制將檢測到的惡意攻擊IP地址信息打包，以發出服務請求的模式將打包的信息傳遞給其他節點；

(ⅲ)防御網絡中的其他節點在接收到服務請求之后，將接收到數據包中的IP地址解析出來，而后與自己的惡意IP文檔進行對比，若沒有重復，則將新的惡意IP地址存儲在惡意IP文檔中；

(ⅳ)防御網絡中各個節點恢復到初始化狀態，繼續監聽。

所述節點信息共享模塊通過使用Python環境中搭建HTTP服務器來實現。