公开(公告)号：CN115622768A

公开(公告)日：2023-01-17

申请号：CN202211231655.0

申请日：2022-10-08

Applicant: 安徽工业大学

Inventor： 米恨水 ,  卫琳娜 ,  吴宣够

IPC: H04L9/40 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多层语义残差网络的分布式拒绝服务攻击识别方法，包括如下步骤：(1)捕获网络中的数据流量并将数据流量按照类别分成若干个样本；(2)对步骤(1)中的样本预处理:删除包含缺失值、畸形值、静态特征和常数特征的样本；对于取值是数值类别特征的样本，将其进行归一化处理；(3)将预处理好的样本按照类别分类处理成若干个尺寸一致的图像；(4)将所述步骤(3)中若干个图像输入多层语义残差网络模型中进行训练、评估，并输出分布式拒绝服务攻击的具体类型。本发明将分布式拒绝服务攻击识别分类与深度学习方法相结合，通过神经网络自动提取特征，不断优化调整模型，实现能够快速且准确的识别出分布式拒绝服务攻击的技术效果。

公开(公告)号：CN115622768B

公开(公告)日：2024-05-14

申请号：CN202211231655.0

申请日：2022-10-08

Applicant: 安徽工业大学

Inventor： 米恨水 ,  卫琳娜 ,  吴宣够

IPC: H04L9/40 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于多层语义残差网络的分布式拒绝服务攻击识别方法，包括如下步骤：(1)捕获网络中的数据流量并将数据流量按照类别分成若干个样本；(2)对步骤(1)中的样本预处理:删除包含缺失值、畸形值、静态特征和常数特征的样本；对于取值是数值类别特征的样本，将其进行归一化处理；(3)将预处理好的样本按照类别分类处理成若干个尺寸一致的图像；(4)将所述步骤(3)中若干个图像输入多层语义残差网络模型中进行训练、评估，并输出分布式拒绝服务攻击的具体类型。本发明将分布式拒绝服务攻击识别分类与深度学习方法相结合，通过神经网络自动提取特征，不断优化调整模型，实现能够快速且准确的识别出分布式拒绝服务攻击的技术效果。