[发明专利]一种服务器功耗攻击的检测方法

权利要求书

1.一种服务器功耗攻击的检测方法，应用于数据中心，所述数据中心包括数量繁多的服务器，在每台服务器上都有虚拟机监控器Hypervisor，在每个虚拟机监控Hypervisor上都运行有至少一个用于监控系统性能的软件，每个服务器在数据中心中称为一个节点；

其特征在于该方法包括以下步骤：

步骤1.各节点上的Hypervisor分别使用AGENT组件来收集各种评价指标，包括吞吐量、任务等待时间、执行时间、任务分布、系统功耗和CPU利用率，所述的AGENT组件架设在虚拟机监控器Hypervisor和硬件之间；

步骤2.将各节点收集到的数据发送到组件TU上，所述的组件TU为一个独立于数据中心的实时运行机器学习算法的组件；

步骤3.TU组件汇总所有节点上的资源使用和系统功耗指标，并应用机器学习算法OC-SVM来对数据中心获取到的重要数据进行分类；

步骤4.提取合适的特征作为分类依据，OC-SVM分类函数将确定样本位于超平面的哪一侧，以识别异常行为；

步骤5.数据中心重要指标的急剧增加将被标记为功耗攻击；

步骤6.当机器学习算法预测到功耗攻击时，AGENT组件将抢占Hypervisor控制和管理数据中心的功能；

步骤7.根据客户虚拟机的性能表现，决定是否周期性循环步骤1至步骤6。

2.根据权利要求1所述的一种服务器功耗攻击的检测方法，其特征在于：将数据中心分为若干个集群，以降低以单服务器节点为单位的巨大计算开销；以集群为单位进行模拟后，再对可疑区域分区检测，直至精确定位到具体的服务器机柜。

3.根据权利要求2所述的一种服务器功耗攻击的检测方法，其特征在于：从AGENT组件中收集到数据中心四个主要特征：(1)每台主机的计算利用率，(2)每台主机的功耗，(3)数据中心的总功耗和(4)每个集群中空闲主机的数量。

4.根据权利要求3所述的一种服务器功耗攻击的检测方法，其特征在于：四个主要特征输入应用机器学习算法OC-SVM前使用min-max方法对收集到的特征进行缩放处理。