[发明专利]一种基于CNN的区块链日蚀攻击检测与防御方法

说明书

一种基于CNN的区块链日蚀攻击检测与防御方法，获取区块链日蚀攻击的流量数据集与正常的区块链流量数据包，按比例分为训练数据与测试数据；对训练数据与测试数据进行特征提取生成对应的特征向量，利用特征向量生成二维的特征图片；使用训练样本的特征图训练CNN检测模型，使其学习日蚀攻击的相关特征，最终得到可用于检测区块链日式攻击的CNN模型；使用训练后的检测模型对测试样本生成的特征图进行攻击检测，判定节点是否正在遭受日蚀攻击；如果攻击正在遭受日式攻击，系统会做出特定的防御动作，使节点摆脱被日蚀的状态。上述方法将攻击检测与攻击防御整合统一，形成了完备的日蚀攻击应对方案，具有高精度检测和自适应防御的特性。

技术领域

本发明属于网络安全领域，主要涉及一种基于CNN的区块链日蚀攻击检测与防御方法。

背景技术

区块链作为一种信任体系构造技术，开创了一种低成本建立信任的新型计算范式，同时蕴含着支持价值自由流转、优化生产关系、破除中心垄断、推动产业创新的巨大潜力，有望成为未来数字经济新时代实现价值互联的基石。区块链技术的应用从金融领域迅速扩展至各个行业，与此同时，区块链技术面临的安全挑战也越来越多，其中日蚀攻击可使攻击节点侵占受害者节点的全部对外网络连接，导致受害者节点无法接收正确的区块和交易信息。因此，能否及时检测并防御区块链中的日蚀攻击是区块链可靠性的重要指标。

传统的入侵检测技术多使用机器学习算法作为检测模型，具有检测精度低，误报率高等缺点，因为在现实中，网络流量具有高纬度，多特征的特点，使用单一特征很难判断当前的网络状态，提取流量特征图可以整合流量数据的多个特征，提高检测准确性。网络本身是一个复杂的环境，存在着各种噪音数据。

目前，并未形成完整地针对区块链日蚀攻击的检测与防御方案，多数研究和发明更多关注日蚀攻击的检测方法，忽略了防御方案的重要性，而且现有的日蚀攻击检测方法多使用传统的检测模型，检测精度不高。

发明内容

本发明提供一种基于CNN的区块链日蚀攻击的检测与防御方法，解决现有方案中加测精度不高以及缺失防御方法的问题。检测方法通过卷积神经网络识别由流量数据生成的特征图片，避免特征丢失同时提高检测精确度。CNN网络是一种优秀的可用于图像识别的分类算法，它能很好的分辨出不同特征图的差异，从而能识别出属于日式攻击的特征图。防御方法根据区块链的网络结构与日蚀攻击的攻击原理制定，主动帮助受保护节点摆脱日蚀状态。

一种基于CNN的区块链日蚀攻击检测与防御方法，包括数据获取、数据处理、模型训练、攻击检测与攻击防御五个步骤，具体为：

步骤1，数据获取；获取流量数据集，并划分样本数据，得到训练样本和测试样本；

步骤2，数据处理；对划分出的样本数据进行预处理和特征提取，生成特征图片；

步骤3，模型训练；使用样本数据训练CNN检测模型，得到用于检测区块链日蚀攻击的检测模型；

步骤4，攻击检测；使用训练完成后的CNN建模模型进行检测，判断是否存在日蚀攻击，若不存在则正常运行不做动作，若存在则转入步骤4进行攻击防御；

步骤5，攻击防御；系统报警并进行防御动作，防御动作包括，切断节点当前的所有网络连接；删除节点路由表中存储的所有IP数据；禁止外部节点向自己建立传入连接；重启节点；向DNS种子请求合法的IP地址，建立传出连接。

进一步地，步骤1中，搭建日蚀攻击环境，通过抓包软件获取攻击流量数据包，同时抓取正常的区块链流量数据包，将二者整合为完整的流量数据集；对流量数据集进行整理，首先将其中的数据编辑为正常流量和攻击流量，然后利用特征对分类数据包进行分流处理，根据源IP地址、源端口、目的IP地址对抓取的网络流进行分流；最后将实验数据集按比例分为训练样本与测试样本。