公开(公告)号：CN111756719B

公开(公告)日：2022-06-24

申请号：CN202010554165.9

申请日：2020-06-17

申请人： 哈尔滨工业大学

发明人： 贾敏 ,  束越婕 ,  陶滢 ,  高梓贺 ,  解索非 ,  周镒 ,  李文屏 ,  苏曼 ,  刘晓锋 ,  郭庆 ,  顾学迈

IPC分类号： H04L9/40 ,  H04L41/14 ,  H04L41/142 ,  G06N3/08 ,  G06N3/06 ,  G06N3/04 ,  G06K9/62 ,  H04L41/12

摘要： SDN网络架构下一种结合SVM和优化LSTM模型的DDoS攻击检测方法,涉及信息与通信技术领域，具体涉及SDN网络架构下一种结合SVM和优化LSTM模型的DDoS攻击检测方法，本发明提出一种在SDN网络架构下结合SVM和优化LSTM模型的DDoS攻击检测方法，不仅可以对时间序列做出分类判断，达到通过一段时间的流量特征进行检测判断，以减少由于单一机器学习分类器对个别异常流量造成的误警问题，还可以降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率，并减少检测耗时，减轻系统负担。

公开(公告)号：CN112422493A

公开(公告)日：2021-02-26

申请号：CN202010733640.9

申请日：2020-07-27

申请人： 哈尔滨工业大学

发明人： 贾敏 ,  束越婕 ,  陶滢 ,  高梓贺 ,  解索非 ,  李文屏 ,  苏曼 ,  郭庆 ,  顾学迈 ,  刘晓锋

IPC分类号： H04L29/06 ,  G06N3/04 ,  G06N3/08

摘要： SDN网络架构下基于多层感知神经网络MLDNN的DDoS攻击检测方法，涉及信息与通信技术领域，是为了在DDoS攻击检测过程中，降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率的问题。本发明提出一种在SDN网络架构下结合多层感知神经网络MLDNN和LSTM模型的DDoS攻击检测方法，不仅可以对时间序列做出分类判断，达到通过一段时间的流量特征进行检测判断，以减少由于单一机器学习分类器对个别异常流量造成的误警问题，还可以降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率，并减少检测耗时，减轻系统负担。

公开(公告)号：CN112422493B

公开(公告)日：2022-05-24

申请号：CN202010733640.9

申请日：2020-07-27

申请人： 哈尔滨工业大学

发明人： 贾敏 ,  束越婕 ,  陶滢 ,  高梓贺 ,  解索非 ,  李文屏 ,  苏曼 ,  郭庆 ,  顾学迈 ,  刘晓锋

IPC分类号： H04L9/40 ,  G06N3/04 ,  G06N3/08

摘要： SDN网络架构下基于多层感知神经网络MLDNN的DDoS攻击检测方法，涉及信息与通信技术领域，是为了在DDoS攻击检测过程中，降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率的问题。本发明提出一种在SDN网络架构下结合多层感知神经网络MLDNN和LSTM模型的DDoS攻击检测方法，不仅可以对时间序列做出分类判断，达到通过一段时间的流量特征进行检测判断，以减少由于单一机器学习分类器对个别异常流量造成的误警问题，还可以降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率，并减少检测耗时，减轻系统负担。

公开(公告)号：CN111756719A

公开(公告)日：2020-10-09

申请号：CN202010554165.9

申请日：2020-06-17

申请人： 哈尔滨工业大学

发明人： 贾敏 ,  束越婕 ,  陶滢 ,  高梓贺 ,  解索非 ,  周镒 ,  李文屏 ,  苏曼 ,  刘晓锋 ,  郭庆 ,  顾学迈

IPC分类号： H04L29/06 ,  H04L12/24 ,  G06N3/08 ,  G06N3/06 ,  G06N3/04 ,  G06K9/62

摘要： SDN网络架构下一种结合SVM和优化LSTM模型的DDoS攻击检测方法,涉及信息与通信技术领域，具体涉及SDN网络架构下一种结合SVM和优化LSTM模型的DDoS攻击检测方法，本发明提出一种在SDN网络架构下结合SVM和优化LSTM模型的DDoS攻击检测方法，不仅可以对时间序列做出分类判断，达到通过一段时间的流量特征进行检测判断，以减少由于单一机器学习分类器对个别异常流量造成的误警问题，还可以降低由于LSTM模型对数据的敏感性所带来的网络初始阶段流量的误判率，并减少检测耗时，减轻系统负担。