[发明专利]基于CNN的DDoS攻击多元信息融合方法及装置

权利要求书

1.一种基于CNN的DDoS攻击多元信息融合方法，其特征在于，所述方法包括：

在单位时间内对网络流量进行特征提取，得到多元特征；

所述多元特征包括源IP地址特征SIPAF，目的IP地址特征DIPAF，源端口特征SPF，目标端口特征DPF，数据包个数特征PNF，数据包大小特征PSF；所述多元特征如下：其中X1，X2，X3，X4，X5和X6分别表示SIPAF，DIPAF，SPF，DPF PNF和PSF，n表示样本个数；

将所述多元特征基于主成分分析模型进行加权融合特征，具体为：通过对公式(8)中的矩阵X进行归一化，获得矩阵Z：其中表示第j列的均值，表示第j列的标准差；通过所述矩阵Z，得到协方差矩阵R：计算所述矩阵R的特征根和特征向量，得到六个主成分的线性组合：根据公式(13)计算所述主成分的方差贡献率，当所述主成分的累积方差贡献率大于阈值时，选择m个所述主成分，运用公式(14)计算每个要素的权重，然后通过归一化得到每个要素的最终权重，公式(14)为其中ω₁，ω₂，ω₃，ω₄，ω₅和ω₆分别表示所述SIPAF，所述DIPAF，所述SPF，所述DPF，所述PNF和所述PSF的所述权重；根据所述SIPAF，所述DIPAF，所述SPF，所述DPF，所述PNF，所述PSF和其对应权重，计算出加权融合特征MEFF，MEFF＝ω₁lg(SIPAF)+ω₂lg(DIPAF)+ω₃lg(SPF)+ω₄lg(DPF)+ω₅lg(PNF)+ω₆lg(PSF)；

构建基于卷积神经网络的分类模型，分析提取所述加权融合特征以获得最终特征。

2.如权利要求1所述的基于CNN的DDoS攻击多元信息融合方法，其特征在于，所述构建基于卷积神经网络的分类模型，分析提取所述加权融合特征以获得最终特征之前，还包括：

运用所述主成分分析模型处理所述多元特征，并不断调整所述多元特征中主成分的权重和偏差。

3.如权利要求1所述的基于CNN的DDoS攻击多元信息融合方法，其特征在于，所述构建基于卷积神经网络的分类模型，分析提取所述加权融合特征以获得最终特征，包括：

所述卷积神经网络包括一个输入层、三个卷积层、三个池化层、两个完全连接层和一个输出层；

将所述多元特征通过所述输入层输入所述卷积神经网络模型，进入所述卷积层；

所述卷积层通过卷积提取所述输入层不同级别的特征，输入所述池化层；

通过所述池化层输出的特征图都有权重和偏差，连接完全连接层，将输出值传递到输出层进行分类，以获得最终特征。

4.如权利要求3所述的基于CNN的DDoS攻击多元信息融合方法，其特征在于，所述卷积层由多个所述多元特征的特征图组成，每个所述特征图由多个神经元组成；所述卷积层和所述池化层交替出现；所述卷积层和所述卷积层的前一层通过本地连接和权重共享连接。

5.如权利要求3所述的基于CNN的DDoS攻击多元信息融合方法，其特征在于，最后一个所述完全连接层的输出值传递到所述输出层，通过softmax进行分类。

6.如权利要求3所述的基于CNN的DDoS攻击多元信息融合方法，其特征在于，所述卷积神经网络是一个由一个输入层，三个所述卷积层，三个所述池化层，两个所述完全连通层和一个所述输出层构成的一维所述卷积神经网络。

7.一种基于CNN的DDoS攻击多元信息融合装置，其特征在于，所述装置包括存储器和处理器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1至6中任一项所述的基于CNN的DDoS攻击多元信息融合方法。