[发明专利]基于深度学习的SDN网络数据包的识别方法

权利要求书

1.基于深度学习的SDN网络数据包的识别方法，其特征在于：包括训练检测模型的步骤和利用检测模型识别数据包的步骤，在控制器中嵌入训练好的检测模型，当接收到数据包时，对数据包解码，提取数据包的特征，然后将提取到的特征列表传入到检测模型当中，利用检测模型进行识别，正常数据包做资源调度，不正常的数据包被丢弃。

2.根据权利要求1所述的基于深度学习的SDN网络数据包的识别方法，其特征在于：

所述的训练检测模型的步骤包括：

步骤S101、收集训练数据；

步骤S102、对数据进行预处理；

步骤S103、将预处理后的数据进行特征提取；

步骤S104、将提取的特征输入到CNN算法，训练并保存检测模型；

步骤S105、将测试模型嵌入控制器中。

3.根据权利要求1所述的基于深度学习的SDN网络数据包的识别方法，其特征在于：

所述的利用检测模型识别数据包的步骤包括：

步骤S201、接收数据包；

步骤S202、解码数据包，提取出需要的字段；

步骤S203、将提取的字段传入检测模型中，利于检测模型判断数据包是否为正常数据包，如果为正常数据包，则转至步骤S204，如果不是正常数据包，则转至步骤S205；

步骤S204、下发流表，由控制器指导该类数据包转发；

步骤S205、将不正常的数据包丢弃。

4.根据权利要求1所述的基于深度学习的SDN网络数据包的识别方法，其特征在于：所述的步骤S101中，利用Wireshark抓包工具进行抓包，收集训练数据。

5.根据权利要求1所述的基于深度学习的SDN网络数据包的识别方法，其特征在于：所述的步骤S103中，所述的特征包括但不限于源IP、目的IP、源端口、目的端口。

6.根据权利要求1所述的基于深度学习的SDN网络数据包的识别方法，其特征在于：所述的步骤S104中，CNN算法依据的公式为：(N+2P-F)/S+1，其中：

N是指特征的大小；

P是指填充数据的大小；

F是指卷积核的大小；

S是指步长。

7.根据权利要求1所述的基于深度学习的SDN网络数据包的识别方法，其特征在于：所述的检测模型包括两层，每层包括一个卷积层和一个池化层，最后再经过一个平均池化层和一个全连接层。