[发明专利]一种SDN中采用深度学习的消息异常检测方法

摘要

本发明公开了一种SDN中采用深度学习的消息异常检测方法，采用滑动窗口的方法将流式消息转化为消息序列与预测消息之间的映射，通过学习历史消息，预测一个指定消息序列所对应的输出概率，该方法可以有效的考虑历史消息对下一跳消息的影响，并能支持实时的异常检测；将预测概率中前k高的消息均视为正常消息，克服了动态策略下预测消息不唯一的问题。对消息id与参数向量中参数进行分别预测，当新到达的消息所有参数均通过检测时，才被判断为正常消息。而当出现检测失败的情形，则将正确的消息序列与预测消息作为新的输入进行增量训练，这解决了现有技术无法适应时变性网络的问题，在动态网络中也能正常运行。本发明方法简单，检测结果准确。

主权项

1.一种SDN中采用深度学习的消息异常检测方法，其特征在于，包括以下步骤：/n步骤1、监听控制器与交换机之间交互的OpenFlow消息，依据控制器的线程id对OpenFlow消息线程进行重排序，得到重排序消息；/n步骤2、解析重排序消息，生成消息id与参数向量，从而得到子类型消息，并写入日志；/n步骤3、对子类型消息依据消息id进行独热码编码，采用深度学习中的长短期记忆网络模型训练子类型消息的消息序列，得到参数矩阵；将每个时刻滑动窗口中的消息视为一个序列作为长短期记忆网络模型的输入；/n步骤4、采用滑动窗口存储当前时刻的输入消息序列，导入步骤3中的长短期记忆网络模型与参数矩阵，经由softmax层得到预测结果；/n步骤5、将预测结果中概率前k高的预测消息与实际到达的OpenFlow消息进行对比，如果实际到达的OpenFlow消息在预测概率前k高的消息集合中则判定实际到达的OpenFlow消息为正常消息，否则判定为异常消息。/n