一种基于动态预警与周期脉冲卷积的LDoS检测方法及系统
本发明属于网络安全检测与人工智能,尤其涉及一种基于动态预警与周期脉冲卷积的ldos检测方法及系统。
背景技术:
1、软件定义网络(software defined networking,sdn)将转发平面与控制平面解耦,控制器能够集中获取交换机端口、流表和网络配置等信息。低速率拒绝服务(low-ratedenial-of-service,ldos)攻击利用网络协议或业务自适应机制,以短时高强度脉冲、静默间隔和重复脉冲构成周期性流量。该类攻击的平均速率较低,攻击脉冲容易混入正常业务波动和合法突发流量,因此难以仅通过平均速率或单一固定阈值识别。
2、现有sdn攻击检测方案通常由控制器持续轮询交换机并调用深度模型。为了捕捉持续时间较短的攻击脉冲,需要缩短统计周期,由此增加南向接口通信量和控制器处理负担;延长统计周期又会使脉冲被平均。若在报警后才开始采样,则报警之前已经出现的周期证据无法恢复。
3、现有基于固定阈值或直接动态阈值的检测方法还存在业务基线适应不足的问题。不同端口和不同时段的正常负载差异较大,文件传输、集中访问、周期备份以及合法udp业务均可能形成流量突增。仅依据当前窗口流量是否超过阈值,容易将一次性合法突发判为攻击,或者遗漏在多个时间片内逐步累积的轻微异常。
4、申请号为202511715525.8、公开号为cn121193541a的中国发明专利公开了一种基于时空图神经网络的ddos攻击检测方法及系统,通过流不对称系数与自适应阈值进行轻量预警,并结合控制器采集的统计信息,利用门控时间卷积和空间图卷积完成交换机级分类。该方案能够提取流量时序特征及网络拓扑关联,但对于源、目的ip地址分布变化不明显、主要表现为短时脉冲与静默间隔交替的ldos攻击,仅依据流不对称系数进行预警可能存在局限;其公开的数据采集流程未明确设置预警前历史记录的持续缓存与回取机制,难以仅凭预警后采集的数据还原此前的脉冲变化。此外,其卷积核未针对ldos的攻击周期、脉冲持续时间和相位设置结构约束,也未设置周期脉冲与单突发响应的显式对照机制,对重复攻击脉冲与合法一次性突发的针对性区分仍有改进空间。
5、已有小波或时频分析方法能够提取多尺度特征,通用参数化小波卷积也可使卷积核具有信号处理含义,但通用小波核未直接表达ldos的周期、脉冲持续时间和静默间隔,也未专门建立周期重复脉冲与单次合法突发之间的对照。在线遥测中的采样抖动、计数重置和历史缺口还可能在零填充后形成伪突变。因而,需要一种能够在较低在线开销下保留预警前历史、显式匹配ldos周期脉冲并处理缺失观测的检测方法。
技术实现思路
1、本发明的目的在于提供一种sdn下基于动态预警与周期脉冲约束卷积网络的ldos攻击检测方法及系统,在交换机侧维护连续观测、历史缓存和ewma-cusum预警状态,在控制器侧按事件组织历史数据并执行lpp-cnn检测,输出交换机级正常或异常分类结果。克服现有方法中预警前历史证据保留不足、周期攻击脉冲与合法突发流量难以区分的问题,在降低控制通信和深度模型调用开销的同时,提高sdn环境下ldos攻击检测的准确性与适应性。
2、为实现上述目的,本发明第一方面提供了一种基于动态预警与周期脉冲卷积的ldos检测方法,包括以下过程:
3、s1、根据端口累计计数计算端口接收负载和短时负载波动,执行ewma-cusum自适应累计偏离预警,在累积偏离量超过预警阈值时生成预警事件数据并上报,持续保存预警前缓存记录;
4、s2、根据预警事件数据,向监测集合内的交换机回取s1保存的预警前缓存记录,按统一截止时刻及配置版本完成对齐,生成事件历史数据;
5、s3、基于事件历史数据,聚合交换机级多通道历史序列,执行特征标准化并构建观测有效性掩码,得到模型的输入;
6、s4、控制器调用训练完成的lpp-cnn深度检测模型,模型包括并行的周期脉冲约束卷积分支模块与单突发参考卷积分支模块、周期-突发对照模块、一维卷积特征提取模块和分类输出模块,执行周期脉冲核与单突发参考核的掩码归一化卷积、周期-突发对照及一维卷积特征提取,再通过分类得到交换机异常分数;
7、s5、将交换机异常分数与分类阈值比较,得到交换机分类结果。
8、进一步地,所述s1具体过程为:
9、对相邻两次有效采样的端口累计计数求增量,并除以实际采样时间间隔,得到端口收发字节速率和端口收发包速率;将端口接收字节速率换算为接收比特速率,再与端口有效容量相除,得到端口接收负载;对相邻端口接收负载的绝对变化进行短时平均,得到短时负载波动;采用非负且总和为1的权重对端口接收负载和短时负载波动加权,得到综合观测分数;使用更新前的ewma正常均值和偏差尺度计算标准化偏离量,再结合上一时间片的累积偏离量和预设容忍量递推非负的累积偏离量;当累积偏离量超过预警阈值时,生成包含事件编号、交换机标识、端口标识、触发时间、综合观测分数、标准化偏离量、累积偏离量、预警阈值、数据有效性和配置版本的预警事件数据并上报,同时冻结对应的ewma正常均值和偏差尺度。
10、进一步地,所述生成事件历史数据过程包括:
11、在各受监测交换机中持续维护本地环形缓存,将端口标识、采样起止时间、端口累计计数增量、端口接收负载、短时负载波动、综合观测分数、标准化偏离量、累积偏离量、ewma正常均值和偏差尺度、数据有效性及配置版本写入缓存,得到预警前缓存记录;控制器读取预警事件数据中的触发时间和配置版本,以统一截止时刻请求预设历史长度内的预警前缓存记录;各交换机返回实际存在的预警前缓存记录及缺失位置,控制器按照交换机标识、端口标识、采样时间和配置版本完成对齐,生成事件历史数据。
12、进一步地,所述s3中多通道历史序列由交换机级八通道历史序列构成,八个通道分别为接收字节速率、发送字节速率、接收包速率、发送包速率、最大端口接收负载、最大短时负载波动、最大正标准化偏离量和最大归一化cusum状态;根据事件历史数据,在每个时间片对交换机有效业务端口的四类速率分别求和,并对后四类状态分别取最大值,得到交换机级八通道历史序列;使用训练集确定的特征均值和正尺度对各通道进行标准化,对缺失位置填入标准化后的零值,并将对应观测有效性掩码置为0,有效位置置为1,得到由标准化后的交换机级八通道历史序列和观测有效性掩码组成的模型输入。
13、进一步地,所述周期脉冲约束卷积分支模块具体数据处理过程为:
14、接收模型输入,将未约束训练变量分别映射为周期、脉冲持续时间、相位和边沿陡峭度,使周期位于预设搜索范围内、脉冲持续时间不低于预设最小持续时间且不超过周期与预设最大占空比的乘积、预设最大占空比小于1、相位位于一个周期内,并对边沿陡峭度设置正的下限;根据上述参数生成周期重复的平滑脉冲原型,经零均值处理和二范数归一化得到周期脉冲核;采用周期脉冲核对标准化后的交换机级八通道历史序列进行卷积,将观测有效性掩码同时用于输入加权及有效核权重归一化,并在分母中加入正的数值稳定常数,得到周期响应;根据观测有效性掩码计算卷积窗口的有效覆盖率,将低于最低有效比例的位置标记为无效,向周期-突发对照模块提供周期响应及其有效性标记。
15、进一步地,所述单突发参考卷积分支模块具体数据处理过程为:
16、接收与周期脉冲约束卷积分支模块相同的模型输入,使用与对应周期脉冲核共享的脉冲持续时间、相位和边沿陡峭度生成单突发参考原型,经零均值处理和二范数归一化得到单突发参考核;采用单突发参考核对标准化后的交换机级八通道历史序列进行卷积,将观测有效性掩码同时用于输入加权及有效核权重归一化,并在分母中加入正的数值稳定常数,得到单突发响应;按照与周期脉冲约束卷积分支模块相同的有效覆盖率规则标记响应有效性,向周期-突发对照模块提供单突发响应及其有效性标记。
17、进一步地,所述周期-突发对照模块具体数据处理过程为:
18、接收周期脉冲约束卷积分支模块输出的周期响应和单突发参考卷积分支模块输出的单突发响应,在预设局部能量窗口内分别对两类响应的平方值求平均,得到局部周期能量和局部单突发能量;对两类局部能量加入数值稳定常数后取对数,再将局部周期能量的对数值减去按非负参考响应权重加权的局部单突发能量对数值,得到周期-突发对照特征;根据响应有效性标记筛选有效的周期-突发对照特征,按输入通道和周期脉冲核编号排列为周期-突发对照特征张量。
19、进一步地,所述一维卷积特征提取模块具体数据处理过程为:
20、接收周期-突发对照模块输出的周期-突发对照特征张量,通过1×1一维卷积融合不同输入通道和不同周期脉冲核的对照特征,再依次执行普通一维卷积、批归一化、非线性激活、最大池化和全局时间平均池化,得到交换机时间特征;将交换机时间特征输入分类输出模块的全连接层,并通过sigmoid函数计算交换机异常分数。
21、进一步地,还包括根据交换机分类结果及恢复条件更新活动事件,得到事件状态更新结果的过程,具体为:
22、将交换机标识、判定窗口、交换机异常分数、交换机分类结果、观测有效性和模型版本反馈至事件管理过程,交换机分类结果为异常、历史无效或反馈缺失时,保持对应活动事件并继续冻结ewma正常均值和偏差尺度;收到当前判定窗口对应的有效正常分类结果,且后续有效观测的累积偏离量在预设恢复时间内持续不高于预警阈值时,关闭对应活动事件,将累积偏离量复位并恢复正常候选样本的延迟接纳,得到事件状态更新结果;将事件状态更新结果反馈至s1,继续冻结或恢复更新ewma正常均值和偏差尺度。
23、进一步地,lpp-cnn深度检测模型的离线训练过程具体包括:
24、按照统一截止时刻截取各交换机的事件历史数据,构建交换机级八通道历史序列、观测有效性掩码和独立真值标签,并按照独立实验轮次划分训练集、验证集和测试集。仅使用训练集确定特征均值和正尺度,对具有可靠标签和足够有效历史的样本,采用加权二元交叉熵训练周期脉冲约束卷积分支模块的可训练参数和后续一维卷积参数;单突发参考卷积分支模块使用共享的脉冲持续时间、相位和边沿陡峭度生成相应卷积核。使用验证集选择模型参数和分类阈值,使用测试集完成最终评价,得到特征标准化参数、lpp-cnn参数和分类阈值,分别提供给s3、s4和s5。
25、本发明第二方面提供了一种基于动态预警与周期脉冲卷积的ldos检测系统,包括:
26、缓存与预警模块,用于根据端口累计计数计算端口接收负载和短时负载波动,执行ewma-cusum自适应累计偏离预警,在累积偏离量超过预警阈值时生成预警事件数据并上报,持续保存预警前缓存记录;
27、事件与历史读取模块,用于根据预警事件数据,向监测集合内的交换机回取s1保存的预警前缓存记录,按统一截止时刻及配置版本完成对齐,生成事件历史数据;
28、序列构建与质量处理模块,用于基于事件历史数据,聚合交换机级多通道历史序列,执行特征标准化并构建观测有效性掩码,得到模型的输入;
29、lpp-cnn深度检测模型,用于执行周期脉冲核与单突发参考核的掩码归一化卷积、周期-突发对照及一维卷积特征提取,再通过分类得到交换机异常分数;
30、结果管理模块,用于将交换机异常分数与分类阈值比较,得到交换机分类结果。
31、与现有技术相比,本发明具有如下有益效果:
32、本发明采用交换机侧持续观测、控制器侧按需深度检测的跨平面分工方式,由s1承担常态统计、历史缓存和轻量预警,在预警触发后通过s2传输所需历史,再由s3和s4构建模型输入并执行深度检测。因此,无预警期间无需由控制器持续接收全网细粒度统计并调用模型;在预警事件较少时,有利于降低控制通信及控制器处理开销。
33、本发明采用端口接收负载与短时负载波动加权合成单一观测分数、以 ewma 递推维护各端口正常基线与偏差尺度、再以单侧 cusum 跨窗口累积向上偏离证据的技术手段,从而实现了自适应适配不同端口与不同业务时段的正常负载基线、对单窗口瞬时速率不足以判定的短时低速率脉冲仍能通过累积证据触发预警,解决了固定流量阈值难以兼顾高低负载端口、正常业务突发易触发告警的问题。
34、本发明采用各交换机侧持续维护带时间戳的本地环形缓存、正常期间不上传、仅在预警触发后控制器按统一截止时点向全监测拓扑请求已缓存历史序列的技术手段,从而实现了在低事件密度下显著降低控制器与交换机之间的细粒度统计上报频率与控制器持续推理开销,同时保证预警发生前的历史观测可完整回取并按交换机标识和拓扑版本对齐,解决了持续高频采集开销大、而预警后才开始采集又丢失触发前证据的矛盾。
35、本发明在控制平面采用 lpp-cnn,将 ldos 攻击周期、脉冲持续时间、相位和边沿陡峭度映射为第一层 lppconv 周期脉冲核,使卷积核结构与 ldos 的“重复脉冲—静默间隔”攻击机理建立直接对应关系,从而使第一层特征提取不再完全依赖自由卷积参数,增强对周期脉冲结构的针对性和可解释性。进一步地,以与周期脉冲核共享脉冲持续时间、相位和边沿参数的单突发参考核作为对照,使两类核的主要差别集中于“是否周期重复”,并依据两类响应能量构造周期—突发对照特征,从而有利于区分 ldos 重复脉冲与合法一次性突发,降低仅依据流量幅值造成的误判风险。
36、本发明采用观测有效性掩码参与周期响应和单突发响应的归一化计算,使卷积结果依据实际有效观测重新归一化,并在有效覆盖不足时不将对应响应作为有效检测证据,从而降低遥测缺失、采样异常或零填充形成伪脉冲的影响。同时,将标准化偏离量和归一化cusum 状态作为深检输入,使 cusum 形成“异常触发—状态入模—深检反馈恢复”的三阶段协同关系;深检结果再与累积偏离量回落条件共同决定活动事件关闭和正常基线恢复,从而形成数据平面预警与控制平面深度检测之间的闭环协同。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com