[发明专利]一种DDoS攻击检测方法

说明书

本发明公开了一种DDoS攻击检测方法，其包含以下过程：收集网络中的数据流，对收集的数据流进行预处理；用全局无偏搜索策略蜂群算法优化BP神经网络的权值和阈值，并用预处理后的数据进一步训练DDoS攻击检测模型；用训练好的DDoS攻击检测模型在线检测异常数据流；判断被检测出的异常数据流是否为DDoS攻击异常数据流，若是，则进行DDoS攻击数据流处理，否则，进行其他异常数据流处理；对所有被检测出的异常数据流进行异常处理的同时，并进行预警。本发明的优点为：改善了传统的BP神经网络算法容易陷入局部最优，收敛速度慢的问题；提高了DDoS攻击检测的准确性；改进了检测模型的泛化能力。

技术领域

本发明涉及云安全领域，具体涉及一种基于全局无偏搜索策略蜂群算法和BP神经网络的DDoS攻击检测方法。

背景技术

自从计算机问世以来，网络安全问题一直存在，使用者并未给予足够的重视，但是随着信息技术的发展，网络安全问题日益突出。网络安全中最大和最具挑战性的问题之一是分布式拒绝服务(Distributed Denial of Service，简称DDoS)攻击，DDoS攻击是一种分布式大规模流量攻击方式，通过控制互联网上傀儡机对目标服务器发动攻击，产生的大量数据流涌向目标服务器，消耗服务器系统资源和带宽，或把链接占满，从而影响合法用户的访问。DDoS攻击对网络上的主机，服务器乃至网络基础设施均会造成严重危害，大多数情况下，DDoS攻击是无规律可寻的，攻击者利用TCP，UDP和ICMP协议发动攻击，或者是发送合理的数据请求，造成企业和用户的网络瘫痪，无法提供正常的服务；实施的DDoS攻击一般都会伪造源IP地址，具有隐蔽性强、并发数高、攻击流量大、破坏力强、涉及范围广的特点。并且随着攻击技术的日益发展，DDoS攻击技术不论是在攻击手段还是攻击方式上都在不断的发展，开始进入一个新的APT(Advanced Persistent Threat)时代。APT时代的DDoS攻击问题将会更加严重，DDoS攻击具有更持续的攻击过程、更加高效的攻击技术以及更严重的威胁，因此，这就对DDoS攻击的防御、缓解以及相应的处理等难题提出巨大的挑战。

发明内容

本发明的目的在于提供一种基于全局无偏搜索策略蜂群算法和BP神经网络的DDoS攻击检测方法，通过用全局无偏搜索策略蜂群算法来优化训练BP神经网络，可以改善传统的BP神经网络算法容易陷入局部最优，收敛速度慢的问题，提高DDoS攻击检测的准确性，改进检测模型的泛化能力。

为了达到上述目的，本发明通过以下技术方案实现：

一种DDoS攻击检测方法包括以下过程：

S1、配置用于收集网络中产生的网络流量数据；

S2、配置用于对收集到的网络流量数据进行预处理；

S3、用全局无偏搜索策略蜂群算法优化BP神经网络的权值和阈值，进行DDoS攻击检测模型的优化训练；

S4、用训练好的DDoS攻击检测模型实时检测网络数据流，判断是否为异常数据流，若不是，则结束；否则，判断是否为DDoS攻击数据流，若是DDoS攻击数据流，则进行DDoS攻击数据流的异常处理，否则，进行其他异常数据流处理；

S5、分别对DDoS攻击数据流和其他异常数据流发预警信息。

优选地，所述数据预处理模块包括特征提取、属性映射和归一化三部分：

特征提取：用于提取数据流的特征；

属性映射：将数据流中的非数值特征转化为数值特征；

归一化：归纳统一样本的统计分布性。

优选地，所述全局无偏搜索策略蜂群算法包含以下过程：