[发明专利]一种DDoS攻击检测方法、装置和系统

说明书

本发明属于网络安全领域，尤其涉及一种DDoS攻击检测方法、装置和系统，方法包括：对流量数据进行数据预处理，以实现非数值特征的数值化、特征选择、数据集划分和数据特征标准化；进行张量建模，以将预处理后的所述流量数据建模形成张量数据；对所述张量数据进行多重去噪，并建立分类器以检测DDoS攻击。通过对流量数据进行数据预处理，以实现非数值特征的数值化、特征选择、数据集划分和数据特征标准化,能够提高后续数据处理的效率；进行张量建模，以将预处理后的所述流量数据建模形成张量数据，能够便于提高分析数据的效率；对所述张量数据进行多重和多维度的去噪，并建立分类器以检测DDoS攻击，能够准确分析正常数据和DDoS攻击数据。

技术领域

本发明属于网络安全领域，尤其涉及一种DDoS攻击检测方法、装置和系统。

背景技术

如今，高速和广泛连接的网络不仅给人们带来了便利，也为网络攻击创造了有利条件。特别是，许多工作已经从线下转到线上，这导致网络入侵呈指数级增长。在网络安全领域，分布式拒绝服务(DDoS) 攻击以其隐蔽性和高效性成为最流行的攻击方法。这种攻击旨在消耗网络带宽或系统资源，导致网络或系统过载，停止提供正常的网络服务，严重威胁互联网的安全。根据卡巴斯基最新的年度DDoS攻击报告，可以发现，DDoS攻击的规模在过去两年中急剧增加。随着个人和国家对网络基础设施和网络服务的依赖性越来越大，越来越需要有效的解决方案来防止DDoS攻击。

发明内容

为了解决或者改善上述问题，本发明提供了一种DDoS攻击检测方法和系统，具体技术方案如下：

本发明提供一种DDoS攻击检测方法，包括：对流量数据进行数据预处理，以实现非数值特征的数值化、特征选择、数据集划分和数据特征标准化；进行张量建模，以将预处理后的所述流量数据建模形成张量数据；对所述张量数据进行去噪，并建立分类器以检测DDoS攻击。

优选的，所述数据集划分，包括：通过k-fold交叉验证来分割数据集得到训练集和测试集。

优选的，所述对流量数据进行数据预处理，还用于实现删除无效数据。

优选的，所述数据特征标准化，包括：

通过公式完成数据特征的标准化，其中，nom(X_[m，n])是标准化特征，mean(X_[：，n])是特征X_[：，n]的均值，std(X_[：，n])是标准差。

优选的，所述进行张量建模，包括：将预处理后的所述流量数据的数据矩阵折叠成一个R+1维的张量其中，N₁×…×N_R＝N；

对应的，所述对所述张量数据进行去噪，包括：通过子张量平滑处理、基于MDLP的T-SVD去噪和重构更新张量，实现多维度子张量空间平滑去噪；对所述张量的所有数据实例进行所述子张量空间平滑去噪，得到去噪张量；将所述去噪张量还原为矩阵数据。

优选的，所述通过子张量平滑处理、基于MDLP的T-SVD去噪和重构更新张量，实现多维度子张量空间平滑去噪，包括：所述子张量平滑处理包括：将张量沿着第r维进行平滑，可以得到L_r个平滑子张量将所述平滑子张量沿第二维度进行叠加，得到一个R+1维度的平滑张量所述基于MDLP的T-SVD去噪包括：使用基于MDLP的T-SVD对张量第r维的平滑张量进行去噪得到张量所述重构更新张量包括：将张量沿r维分成N_r子张量基于均值更新从每个平滑子张量进行重构；对所述张量所有模态重复所述子张量平滑处理、所述基于MDLP的T-SVD去噪和所述重构更新张量，实现所述子张量空间平滑去噪。

优选的，所述对所述张量的所有数据实例进行所述子张量空间平滑去噪，得到去噪张量，包括：将所述张量所有模态平滑重构后，进行最终T-SVD去噪；对所述张量所有数据实例重复所述子张量空间平滑去噪，得到所述去噪张量其中 m∈{1，…，M}。