[发明专利]SDN环境下针对Packet-In注入攻击的轻量级自适应检测方法及系统在审
| 申请号: | 201910371747.0 | 申请日: | 2019-05-06 |
| 公开(公告)号: | CN110138759A | 公开(公告)日: | 2019-08-16 |
| 发明(设计)人: | 詹心语;章玥;蒲戈光 | 申请(专利权)人: | 华东师范大学;上海工业控制安全创新科技有限公司 |
| 主分类号: | H04L29/06 | 分类号: | H04L29/06 |
| 代理公司: | 上海麦其知识产权代理事务所(普通合伙) 31257 | 代理人: | 董红曼 |
| 地址: | 200062 上*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 攻击 自适应检测 计算机网络领域 地址消息 动态更新 概率检测 概率模型 攻击检测 检测结果 历史样本 实际状况 控制器 攻击源 数据包 自适应 检测 建模 排序 过滤 防御 统计 网络 | ||
1.一种SDN环境下针对Packet-In注入攻击的轻量级自适应检测方法,其特征在于,包括以下步骤:
S1.建立概率检测模型:控制器中的模型建立模块根据该网络中Packet-In消息的历史正常流量样本,通过矩估计法计算样本均值;再根据泊松分布的性质和正态分布的公式,建立正常情况下的对照检测模型并设置阈值α;
S2.设置白名单并过滤伪IP/MAC消息:控制器中的消息过滤模块根据收到的Packet-In消息和Port-Status消息记录当前网络时段的过滤白名单,其处理步骤包括:
步骤S201控制器监听并接收到Packet-In消息或Port-Status消息;
步骤S202消息过滤模块判断收到的消息是否为Packet-In消息;
步骤S203若收到Port-Status消息,检验该消息中的PORT-DOWN字段是否置位;若PORT-DOWN字段已置位,记录该消息的端口信息,转步骤S204;否则,转步骤S201,继续监听OpenFlow消息;
步骤S204若收到攻击源的端口信息,则从白名单中删除相关条目;
步骤S205若收到Packet-In消息,检验该消息的合法性,构造并更新白名单:若该消息合法,则转步骤S301;若不合法,则该消息的源主机为被攻击主机,将该源主机的端口信息发送到防御模块,转步骤S402;
S3.基于检测模型进行自适应攻击检测:其处理步骤如下:
步骤S301控制器中的检测模块获取待检测窗口内的Packet-In消息数目,计算其概率密度,并与阈值α比较;
步骤S302与检测模型中的概率密度进行对比,若连续两个窗口比值均小于阈值α,则判定为发生攻击,启动防御模块,转步骤S401;若否,则运行正常,转步骤S303;
步骤S303通知模型建立模块使用指数加权移动平均法,利用最新的正常窗口内的消息数来更新当前参数;
S4.根据检测结果进行防御并自适应调整参数:其处理步骤如下:
步骤S401控制器中的防御模块通过找出消息数目最大的端口来找出攻击源,记录其端口信息;
步骤S402防御模块构造并下发Flow_Mod消息到交换机,丢弃与攻击源端口信息相匹配的数据包,并发送端口信息到消息过滤模块,令其更新白名单,以丢弃非法的数据包,转步骤S204。
2.根据权利要求1所述的SDN环境下针对Packet-In注入攻击的轻量级自适应检测方法,在步骤S201中,消息过滤模块通过读取Packet-In数据包的头字段,设定白名单。
3.根据权利要求1所述的SDN环境下针对Packet-In注入攻击的轻量级自适应检测方法,其特征在于,在S1中,模型建立模块计算样本期望参数时,使用矩估计法的计算公式为:
其中,m表示样本的期望,mi为第i个窗口内样本的数目,n为样本窗口的个数。
4.根据权利要求1所述的SDN环境下针对Packet-In注入攻击的轻量级自适应检测方法,其特征在于,在S1中,模型建立模块建立泊松分布概率检测模型时,使用的概率密度计算公式为:
其中,f(m)表示期望为m的概率密度的值,m表示样本的期望。
5.根据权利要求1所述的SDN环境下针对Packet-In注入攻击的轻量级自适应检测方法,其特征在于,在步骤S301中,检测模块计算概率密度的公式为:
其中,f(mt)表示待检测窗口的概率密度函数,mt为待检测窗口内采样的Packet-In消息数目,m表示检测模型的期望参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华东师范大学;上海工业控制安全创新科技有限公司,未经华东师范大学;上海工业控制安全创新科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910371747.0/1.html,转载请声明来源钻瓜专利网。





