一种SDN环境下的DDoS攻击检测方法

    公开(公告)号:CN113949550B

    公开(公告)日:2022-09-09

    申请号:CN202111169720.7

    申请日:2021-10-08

    Applicant: 东北大学

    Abstract: 本发明属于软件定义网络异常检测算法领域,提供了一种SDN环境下的DDoS攻击检测方法。该方法收集正常SDN环境中流表项和端口的统计信息作为特征训练VAE模型,并且明确了异常阈值的计算方法,有效解决了SDN中基于深度学习的攻击检测算法存在的训练标记难以获得、检测模型过于复杂和异常阈值计算方式不明确的问题。该方法不仅能够准确、快速地检测SDN环境中的DDoS攻击的发生情况,而且还可以降低控制器在训练和检测过程中的资源消耗,对于真实的攻击检测环境具有相当的适用价值。

    一种面向入侵和攻击防御的实时流量异常检测方法

    公开(公告)号:CN113949549B

    公开(公告)日:2022-08-23

    申请号:CN202111169670.2

    申请日:2021-10-08

    Applicant: 东北大学

    Abstract: 本发明属于网络安全领域,提供了一种面向入侵和攻击防御的实时流量异常检测方法。首先从当前的网络中抽取网络的状态特征序列并对其编码,再利用异常检测模型对编码结果进行异常检测。网络状态特征序列反应当前的网络状态,但这些信息所包含的特征无法被异常检测模型直接使用,因此本发明使用深度学习技术处理当前的网络特征并将其编码成检测模型可处理的格式。为了解决网络流量数据的不平衡性问题,使用基于深度学习的单类分类器作为异常检测模型的检测算法。为进一步提高检测模型的检测效果,在训练时将特征抽取网络与异常检测模型的映射网络联合训练从而优化编码网络参数;本发明方法能够在只有单类训练数据的情形实现对网络流量的异常检测。

    一种SDN环境下的DDoS攻击检测方法
    4.
    发明公开

    公开(公告)号:CN113949550A

    公开(公告)日:2022-01-18

    申请号:CN202111169720.7

    申请日:2021-10-08

    Applicant: 东北大学

    Abstract: 本发明属于软件定义网络异常检测算法领域,提供了一种SDN环境下的DDoS攻击检测方法。该方法收集正常SDN环境中流表项和端口的统计信息作为特征训练VAE模型,并且明确了异常阈值的计算方法,有效解决了SDN中基于深度学习的攻击检测算法存在的训练标记难以获得、检测模型过于复杂和异常阈值计算方式不明确的问题。该方法不仅能够准确、快速地检测SDN环境中的DDoS攻击的发生情况,而且还可以降低控制器在训练和检测过程中的资源消耗,对于真实的攻击检测环境具有相当的适用价值。

    一种面向入侵和攻击防御的实时流量异常检测方法

    公开(公告)号:CN113949549A

    公开(公告)日:2022-01-18

    申请号:CN202111169670.2

    申请日:2021-10-08

    Applicant: 东北大学

    Abstract: 本发明属于网络安全领域,提供了一种面向入侵和攻击防御的实时流量异常检测方法。首先从当前的网络中抽取网络的状态特征序列并对其编码,再利用异常检测模型对编码结果进行异常检测。网络状态特征序列反应当前的网络状态,但这些信息所包含的特征无法被异常检测模型直接使用,因此本发明使用深度学习技术处理当前的网络特征并将其编码成检测模型可处理的格式。为了解决网络流量数据的不平衡性问题,使用基于深度学习的单类分类器作为异常检测模型的检测算法。为进一步提高检测模型的检测效果,在训练时将特征抽取网络与异常检测模型的映射网络联合训练从而优化编码网络参数;本发明方法能够在只有单类训练数据的情形实现对网络流量的异常检测。

    一种面向软件定义网络的数据平面故障检测与恢复方法

    公开(公告)号:CN115225540B

    公开(公告)日:2023-07-18

    申请号:CN202210477045.2

    申请日:2022-05-02

    Applicant: 东北大学

    Abstract: 本发明属于网络安全领域,提出一种面向软件定义网络的数据平面故障检测与恢复方法。网络故障是引发数据平面的网络行为和控制平面的网络策略不匹配的根本原因,表现为本地交换机无法正确转发数据包。现有的方法将数据平面的故障检测归于分类问题。然而,现有的分类器是基于已知网络故障构建的,无法检测出数据平面中潜在的网络故障。本发明通过将原始正常数据拟合到输出空间的高维直线周围,实现了超细粒度的决策空间。为了对比故障检测算法性能,本发明搭建了一个二阶树状网络拓扑,并将在线环境中收集的数据平面故障样本作为测试数据集。实验结果显示,本发明提出的算法能够有效检测出未知的网络故障,并在各个指标上均取得较好的效果。

Patent Agency Ranking