[發(fā)明專利]DDoS檢測(cè)環(huán)境下差分進(jìn)化的SDN網(wǎng)絡(luò)特征提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011497921.5
• 申請(qǐng)日: 2020-12-17
• 公開（公告）號(hào): CN112653687B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計(jì)）人: 崔允賀;尹文成;申國偉;郭春
• 申請(qǐng)（專利權(quán)）人: 貴州大學(xué)
• 主分類號(hào): H04L9/40
• 分類號(hào): H04L9/40;G06N3/00
• 代理公司: 哈爾濱市陽光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 劉景祥

1.一種DDoS檢測(cè)環(huán)境下基于差分進(jìn)化的SDN網(wǎng)絡(luò)特征提取方法，其特征在于，所述的方法包括以下步驟：

S1，獲取SDN網(wǎng)絡(luò)狀態(tài)初始化種群；

S2，計(jì)算種群中個(gè)體的適應(yīng)度F(x)，記錄當(dāng)代種群中最優(yōu)個(gè)體的適應(yīng)度；

所述的S2的具體操作過程為：

S21，在訓(xùn)練集中結(jié)合檢測(cè)模型使用網(wǎng)絡(luò)狀態(tài)特征子集對(duì)數(shù)據(jù)的檢測(cè)分類評(píng)價(jià)指標(biāo)，以及特征子集的復(fù)雜度作為適應(yīng)度評(píng)價(jià)函數(shù)：

其中，r(f)是優(yōu)化目標(biāo)的平方，f⁺是對(duì)適應(yīng)度函數(shù)正相關(guān)的優(yōu)化目標(biāo)，f^-是對(duì)適應(yīng)度函數(shù)負(fù)相關(guān)的優(yōu)化目標(biāo)，其中優(yōu)化目標(biāo)包括AUC值，檢測(cè)精度，特征維度和檢測(cè)時(shí)間，即f＝{AUC,ACC,DIM,TIME}；

S3，采用基于個(gè)體突變和基因突變的細(xì)粒度差分變異策略，計(jì)算個(gè)體和特征突變概率，產(chǎn)生新的變異體；

所述的S3的具體操作過程為：

S31，設(shè)個(gè)體變異概率其中，μ₀是初始值，ε是調(diào)整因子，g為種群迭代數(shù)；

S32，當(dāng)rand(0,1)＜μ時(shí)，個(gè)體X_i(g)產(chǎn)生變異中間體V_i(g)：

X_i(g)→V_i(g)if rand(0,1)＜μ；

S33，設(shè)一個(gè)d維概率向量P_i(g)＝{p_i,1(g),p_i,2(g),...,p_i,d(g)}，其中p_i,j(g)表示第i個(gè)個(gè)體第j位基因的突變概率，從當(dāng)代N個(gè)個(gè)體中取H個(gè)適應(yīng)度高的個(gè)體，根據(jù)下述公式計(jì)算基因在H群體中的比例：

S34，設(shè)當(dāng)前個(gè)體為X_a，最優(yōu)適應(yīng)度個(gè)體為X_best，F(xiàn)(X_best)＞F(X_a)：

其中，α是學(xué)習(xí)率，p_·j表示進(jìn)化步長，X_best,j為種群進(jìn)化方向；

S4，采用基于高適應(yīng)度個(gè)體基因分布特性的跳出局部最優(yōu)策略，替換高適應(yīng)度個(gè)體中與DDoS檢測(cè)算法性能相關(guān)性弱的基因；選擇高適應(yīng)度個(gè)體中與DDoS檢測(cè)算法性能相關(guān)性強(qiáng)的基因；

所述的S4的具體操作過程為：

S41，H個(gè)適應(yīng)度高的個(gè)體中，取每個(gè)個(gè)體中p_i,j(g)＜μ的第j維特征，與其余特征進(jìn)行交換,得到變異個(gè)體V_i,j(g)：if p_i,j(g)＜μ and k＝rand(0,D)；

S42，H個(gè)適應(yīng)度高的個(gè)體中，取每個(gè)個(gè)體中p_i,j(g)＞μ的第j維特征：

x_i,j＝1,if rand(0,1)＜μand p_i,j(g)＞μ；

S5，通過交叉策略確定某個(gè)個(gè)體是否變異，選擇策略將交叉中間體與父代個(gè)體比較，保留適應(yīng)度大的個(gè)體進(jìn)入下一代；

S6，對(duì)輸入的子代種群返回步驟S2循環(huán)操作，直到滿足迭代終止條件，即達(dá)到最大迭代次數(shù)時(shí)，終止循環(huán)，輸出最優(yōu)個(gè)體。

2.根據(jù)權(quán)利要求1所述的一種DDoS檢測(cè)環(huán)境下基于差分進(jìn)化的SDN網(wǎng)絡(luò)特征提取方法，其特征在于，所述的S1為從網(wǎng)絡(luò)狀態(tài)屬性中提取網(wǎng)絡(luò)狀態(tài)特征集合，隨機(jī)選取網(wǎng)絡(luò)狀態(tài)特征集合中的特征子集作為個(gè)體，生成初始規(guī)模為N的種群P；所述的網(wǎng)絡(luò)狀態(tài)特征包括目的IP地址、源IP地址、目的端口、源端口和協(xié)議類型信息。

3.根據(jù)權(quán)利要求2所述的一種DDoS檢測(cè)環(huán)境下基于差分進(jìn)化的SDN網(wǎng)絡(luò)特征提取方法，其特征在于，所述的S1具體操作步驟為：

S11，從網(wǎng)絡(luò)狀態(tài)屬性中提取出基本的d維網(wǎng)絡(luò)狀態(tài)特征序列：

X(ω)＝{x₁(ω),x₂(ω),...,x_d(ω)},x_i(ω)∈{0,1}；

當(dāng)e_i(ω)＝1時(shí)代表e_i特征被選中；當(dāng)e_i(ω)＝0時(shí)代表e_i特征未被選中；

S12，隨機(jī)選取網(wǎng)絡(luò)特征集合中的特征子集生成初始規(guī)模為N的種群P，網(wǎng)絡(luò)狀態(tài)特征子集表示，第一代種群生成方式為：

X_i(g)＝(x_i,0,x_i,1,...,x_i,d) X_i(0)＝bin(rand(2^d,2^d+1))

x∈Ω,x_i,j∈{1,0},i＝1,2,...,N；j＝0,1,2,...,d

其中，i代表第i個(gè)個(gè)體，j代表第j維特征，g代表第g代，Ω代表d維樣本空間，rand()為隨機(jī)函數(shù)，bin()為二進(jìn)制轉(zhuǎn)換函數(shù)。