[发明专利]一种快速特征匹配的工业网络DDoS入侵检测方法

摘要

本发明提出一种快速特征匹配的工业网络DDoS入侵检测方法，涉及工业网络通信领域，属于信息安全方面，该方法主要利用深度学习模型替换了传统的入侵检测所使用的数据库查找特征匹配模型，完成工业网络中入侵检测系统的设计。该方法首先提取数据包特征，进行特征筛选和构建特征矩阵，再将特征矩阵输入到深度学习模型中进行判别，模型经KDD99数据集训练，对DDoS攻击类型具有极高的识别率。该方法对传统的数据库查找特征匹配速度慢的缺陷做出改进，使系统不再需要等待查找数据库的耗时，极大的提高了匹配速率，另外匹配的精确度高，误报率低，并且部署方便，有效的降低了系统资源的使用，符合工业网络对网络实时性的要求。

主权项

1.一种快速特征匹配的工业网络DDoS入侵检测方法，其特征在于，提取网络数据包的特征，筛选并组成特征矩阵，利用经KDD99数据集训练完成的深度学习模型检测DDoS攻击特征，无需数据库查找，该模型可直接输出结果矩阵，完成DDoS入侵行为的检测。该方法可配合工业防火墙，实现工业网络中DDoS攻击行为的快速检测和处理，主要包括以下几个步骤：a.抓取由外网进入工业内网的数据包；b.对数据包进行分析，提取DDoS特征数据，并做标准化和归一化处理，转换为特征矩阵；c.利用经KDD99数据集训练完成的深度学习模型识别DDoS攻击数据，进行快速特征匹配；d.对匹配结果进行判定，对判定结果进行处理；e.将判定结果存入日志数据库，并记录数据包的主要特征。