首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于机器学习和特征选择的DRDoS攻击检测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京交通大学

摘要:本发明提供了一种基于机器学习和特征选择的DRDoS攻击检测方法。该方法包括:通过网络数据采集分析工具定期收集网络入口的数据包头信息;根据数据包头信息中的五元组将收集的数据包划分为不同的网络流,提取各个网络流的流特征建立数据集;使用攻击原理分析、特征重要性排名和特征分布对所述流特征数据集中的网络流特征进行特征筛选,得到关键特征;利用所述流特征数据集和所述关键特征对XGBoost模型进行调参训练,得到检测性能指标最好的XGBoost模型;利用训练好的XGBoost模型对待检测网络的入口流量数据进行在线检测,输出流量的检测分类结果。本发明利用XGBoost来学习DRDoS攻击的行为,可以识别出网络中的多种类型的DRDoS攻击,降低网络中的恶意流量。

主权项:1.一种基于机器学习和特征选择的DRDoS攻击检测方法,其特征在于,包括:通过网络数据采集分析工具定期收集网络入口的数据包头信息;根据数据包头信息中的五元组将收集的数据包划分为不同的网络流,提取网络流的流特征,基于各个网络流的流特征建立DRDoS攻击流特征数据集;使用攻击原理分析、特征重要性排名和特征分布对所述流特征数据集中的网络流特征进行分析筛选,得到关键特征;利用所述流特征数据集和所述关键特征对XGBoost模型进行调参训练,得到检测性能指标最好的训练好的集成学习XGBoost模型;利用所述训练好的XGBoost模型对待检测网络的入口流量数据进行在线检测,输出待检测网络的DRDoS攻击检测分类结果;其中,所述的通过网络数据采集分析工具TCPDump定期收集网络入口的数据包头信息,包括:设定网络入口的流量阈值,所述流量阈值高于正常网络入口流量的过去一定时间段内的历史最大值,如果网络入口的流量大于所述流量阈值,则判断可能发生了DRDoS攻击,通过网络数据采集分析工具TCPDump定期收集网络入口的数据包头信息;该数据包头信息包括数据包原始信息文件pcap;其中,所述的根据数据包头信息中的五元组将收集的数据包划分为不同的网络流,提取网络流的流特征,基于各个网络流的流特征建立流特征数据集,包括:根据数据包头信息中的五元组将数据包划分为不同的网络流,所述五元组为源IP、源端口、目的IP、目的端口和协议,使用网络流量特征提取工具CICFlowMeter对各个网络流进行特征提取,提取每个网络流的表1所示的前83个流特征,将各个网络流的流特征转换为逗号分隔值csv文本文件,基于各个网络流的流特征建立流特征数据集;所述的流特征数据集中包含6种不同类型的DRDoS攻击包括Memcached攻击、TFTP攻击、Chargen攻击、SSDP攻击、SNMP攻击、NTP攻击;表1

全文数据:

权利要求:

百度查询: 北京交通大学 一种基于机器学习和特征选择的DRDoS攻击检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。