[发明专利]一种基于页型网络实现物联网DDoS流量的检测方法、设备及存储介质

权利要求书

1.一种基于页型网络实现物联网DDoS流量的检测方法，其特征在于，包括步骤如下：

(1)获取数据集

数据集包括正常流量数据包和恶意流量数据包；

(2)数据集预处理

将数据集中的源IP发散度、数据包大小、通信协议和时间间隔四个特征作为特征值；源IP发散度是指截取的数据包的源IP地址的发散程度；数据包是指数据集中的正常流量数据包或恶意流量数据包；时间间隔是指接收的连续两个数据包的时间差；

将特征值通过python语言映射得到对应的向量；

(3)构建DDoS流量检测模型

(4)训练DDoS流量检测模型

(5)DDoS流量检测

将待检测的物联网DDoS流量预处理后输入训练好的DDoS流量检测模型中，实现DDoS流量检测。

2.根据权利要求1所述的一种基于页型网络实现物联网DDoS流量的检测方法，其特征在于，DDoS流量检测模型是指页型神经网络，页型神经网络的结构包括子全连接网络组与汇总全连接网络，子全连接网络组包括W个并行的子全连接网络；

对于子全连接网络，子全连接网络的输入层的初始随机参数为H，这与输入张量X的行数相匹配，X是指输入张量即步骤(2)数据集预处理后得到的向量；子全连接网络的隐藏层的维度分别为16、16；

汇总全连接网络的输入为所有子全连接网络输出的并联，汇总全连接网络的输入层的的维度为W×16，汇总全连接网络的隐藏层的维度为32，汇总全连接网络的输出层的维度为16、2。

3.根据权利要求2所述的一种基于页型网络实现物联网DDoS流量的检测方法，其特征在于，用fc_i(·)表示第i个子全连接网络的计算过程，i＝1,2,…W，用FC(·)表示汇总全连接网络，那么页型神经网络的前向计算流程的表示如式(Ⅰ)所示：

result＝FC([fc₁(X⁽¹⁾),fc₂(X⁽²⁾),…,fc_W(X^(W))]) (Ⅰ)

式(Ⅰ)中，X⁽ⁱ⁾表示X的第i列元素，result是指所得计算结果。

4.根据权利要求2所述的一种基于页型网络实现物联网DDoS流量的检测方法，其特征在于，假设第i个子全连接网络最后一层的网络权重为W_i，那么从页型神经网络来看，第i个子全连接网络最后一层的初始随机参数的表示如式(Ⅱ)所示：

式(Ⅱ)中，W₁…W_W为各子全连接网络的初始随机参数，其余位置为零；W是指页型神经网络计算过程中的权重值；

根据W构造了类单位阵I，I与W的大小一致，I中与W₁…W_W的对应位置设置为1，其余位置设置为0，损失函数设置为E，学习率为α，那么，页型神经网络的初始随机参数更新的过程如式(Ⅲ)所示：

式(Ⅲ)中，△W是指页型神经网络计算过程中的权重值变化量；

△W通过链式法则求解，如式(Ⅳ)所示：

式(Ⅳ)中，α为当前网络层即页型神经网络的初始随机参数的激活函数的输出，β为当前网络层激活函数的输入，那么，α′为上一层激活函数的输出。

5.根据权利要求1所述的一种基于页型网络实现物联网DDoS流量的检测方法，其特征在于，步骤(4)中，训练DDoS流量检测模型，是指：

将步骤(2)得到的向量输入DDoS流量检测模型，即进行正向传播，得到得分；

将得分输入误差函数loss function，与期待值比较得到误差；

通过反向传播来确定梯度向量；

通过梯度向量来调整每一个权值，向得分使误差在0-0.05之间或收敛的趋势调节；

重复上述过程直到设定次数或误差的平均值不再下降。