[发明专利]基于提升小波的实时检测DDoS攻击的方法

说明书

本发明涉及一种基于提升小波的实时检测DDoS攻击的方法，包括A1：基于提升小波的Hurst参数值的实时估计；A2：通过Hurst参数值的跃变检测出DDoS流的攻击。上述技术方案中提供的基于提升小波的实时检测DDoS攻击的方法，在NS2网络模拟环境下，对Hurst参数与检测DDoS时有关业务流采样样本的关系进行研究，之后利用两者关系，实时检测DDoS攻击，使得网络安全性得到有效的改善。

技术领域

本发明涉及网络安全技术领域，具体涉及一种基于提升小波的实时检测DDoS攻击的方法。

背景技术

DDoS(DistributedDenial ofService)攻击是目前Internet上最难防范的攻击方式，DDoS攻击流的存在会导致网络流量自相似性的变化，引起Hurst参数值(H值)(自从Leland,Taqqu,Willinger,andWilson首次在网络业务流中发现了被称为网络自相似性的尺度行为，由于自相似在网络中的应用潜力，引起了广泛的研究。Hurst参数H是表征自相似程度的重要参数，H的取值在(0.5,1)，H越大，自相似程度越高)的改变，针对此特点进行早期的入侵检测已经成为一个重要的研究课题，在改善网络安全性方面已经有各种研究。但是在检测DDoS时从有关业务流采样样本与H值的关系方面来考虑尚未有研究，并且对DDoS攻击的实时监测目前也是存在很大的问题。

发明内容

本发明的目的是提供一种基于提升小波的实时检测DDoS攻击的方法，能有效解决背景技术中存在的缺乏DDoS攻击实时监测方案的问题。

为解决上述技术问题，本发明采用了以下技术方案：

一种基于提升小波的实时检测DDoS攻击的方法，包括以下步骤：

A1：基于提升小波的Hurst参数值的实时估计；

A2：通过Hurst参数值的跃变检测出DDoS流的攻击。

其中，基于小波的Hurst参数值估计具体包括：对于一自相似随机过程X(t)，它被具有R(R＞γ/2)阶原点矩的正交小波变换后，在j尺度下频率2^-jω₀(ω₀与小波函数的选取有关)处的能谱估计为：

式中：n_j为第j个子带中的小波系数的个数，d_j,k为j尺度下2^jk处的小波系数；且的均值满足：

式中：为小波函数的傅立叶变换；上式Sx(ω)用(1)式代入，两边取对数得Hurst参数值的渐近无偏估计：

Ey_j＝(2H-1)j+c (3)

式中：c为常数，g_j＝-1/(n_j ln2)；

之后用一维加权线性回归得到关于(j,y_j)的对数-尺度图，由斜率为可得Hurst参数值的估计

其中，基于提升小波的Hurst参数值的实时估计方法包括：首先，执行预测步骤，每当获得一个新的奇数样本时，用它减去由相邻偶数样本计算得到的预测值，可得小波系数，然后用偶数样本及新获得小波系数在线更新尺度系数，对于尺度j+1处的小波系数，使用尺度j处的尺度系数重复执行上述过程得到；具体包括步骤：

B1：通过提升进行小波分解：对输入数据执行基于实时提升的小波变换，以在二元网格上生成细节信号{d_j,k}；

B2：小波能谱更新：对于每个尺度j，每当有新的小波系数d_j,q，公式(1)中的能谱根据式(4)进行更新：