[发明专利]DDoS攻击检测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种DDoS攻击检测方法，其特征在于，所述DDoS攻击检测方法包括以下步骤：

获取流量信息样本，其中，所述流量信息样本包括多个流量信息，所述流量信息包括未标记流量信息以及已标记流量信息；

基于预设数量的初始聚类中心初始化半监督模糊C均值SS-FCM模型，得到目标SS-FCM模型，并获取流量信息样本中各个流量信息对应的初始隶属度；

将流量信息样本输入目标SS-FCM模型进行迭代训练，并基于当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心，确定目标聚类中心以及各个目标聚类中心对应的流量信息；

若所述目标聚类中心中DDoS攻击聚类中心存在流量信息，则确定DDoS攻击聚类中心中的流量信息为DDoS攻击流量；

所述将流量信息样本输入目标SS-FCM模型进行模型训练迭代训练，并基于当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心，确定目标聚类中心以及各个目标聚类中心对应的流量信息的步骤包括：

通过所述目标SS-FCM模型获取模糊加权指数、所述初始聚类中心的中心数量以及各个初始聚类中心对应已标记流量信息的样本数量；

通过所述目标SS-FCM模型，基于所述模糊加权指数、中心数量、样本数量、初始隶属度、未标记流量信息以及已标记流量信息，确定目标函数，所述目标函数的公式为：

；

其中，J_s（U，C）为目标函数，x_j为第j个流量信息，u_ij为第j个流量信息的初始隶属度，c_i为第i个初始聚类中心，c为中心数量，m为模糊加权指数，n_i为已标记流量信息中属于第i类的训练样本的个数，为已标记流量信息中的第i类的第j个训练样本，α为监督项的加权系数；

通过所述目标SS-FCM模型，基于所述目标函数、所述初始隶属度以及当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心，确定目标聚类中心以及各个目标聚类中心对应的流量信息。

2.如权利要求1所述的DDoS攻击检测方法，其特征在于，所述通过所述目标SS-FCM模型，基于所述目标函数、所述初始隶属度以及当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心，确定目标聚类中心以及各个目标聚类中心对应的流量信息的步骤包括：

基于所述初始隶属度，通过所述目标SS-FCM模型确定所述目标函数对应的拉格朗日函数；

通过所述目标SS-FCM模型基于所述拉格朗日函数以及所述初始隶属度的约束条件，确定当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心；

基于当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心，确定目标聚类中心以及各个目标聚类中心对应的流量信息。

3.如权利要求2所述的DDoS攻击检测方法，其特征在于，所述通过所述目标SS-FCM模型基于所述拉格朗日函数以及所述初始隶属度的约束条件，确定各个流量信息对应的当前隶属度以及当前聚类中心的步骤包括：

基于所述初始隶属度以及所述初始隶属度的约束条件，通过所述目标SS-FCM模型确定所述拉格朗日函数对应的极小值，获得各个流量信息对应的当前隶属度以及当前聚类中心。

4.如权利要求1所述的DDoS攻击检测方法，其特征在于，所述基于当前迭代的各个流量信息对应的当前隶属度以及当前聚类中心，确定目标聚类中心以及各个目标聚类中心对应的流量信息的步骤包括：

获取当前迭代训练后所述目标SS-FCM模型对应的误差；

若所述误差小于预设误差，则将所述当前聚类中心作为目标聚类中心，并基于所述当前隶属度确定各个目标聚类中心对应的流量信息；

若所述误差大于或等于预设误差，则将所述当前隶属度作为所述初始隶属度，以及基于所述当前聚类中心初始化半监督模糊C均值SS-FCM模型得到目标SS-FCM模型，并返回执行将流量信息样本所述目标SS-FCM模型进行模型训练的步骤。