DDoS攻击检测方法、装置、设备及计算机程序产品

    公开(公告)号:CN113596001A

    公开(公告)日:2021-11-02

    申请号:CN202110817481.5

    申请日:2021-07-19

    IPC分类号: H04L29/06

    摘要: 本发明公开了一种DDoS攻击检测方法包括:获取多个采样间隔对应的IP流平均长度,获取各个采样间隔对应的IP包流入流出比增长速率,以及获取各个采样间隔对应的源IP地址熵;将IP流平均长度、IP包流入流出比增长速率以及源IP地址熵,作为一个样本特征向量,获得训练样本集;将样本特征向量输入预训练的分类模型进行模型训练,获得分类结果;若训练结果包括异常流量,则判定异常流量对应的样本特征向量为分布式拒绝服务DDoS攻击流量。本发明还公开了一种DDoS攻击检测装置、设备及计算机程序产品。本发明通过采用与流量大小不相关的样本特征向量作为训练数据,能够避免流量大小的变化对检测结果影响,进而降低对检测结果的误判,提高了DDoS攻击检测的准确率。

    DDoS攻击检测方法、装置、设备及计算机可读存储介质

    公开(公告)号:CN113596001B

    公开(公告)日:2023-04-28

    申请号:CN202110817481.5

    申请日:2021-07-19

    IPC分类号: H04L9/40

    摘要: 本发明公开了一种DDoS攻击检测方法包括:获取多个采样间隔对应的IP流平均长度,获取各个采样间隔对应的IP包流入流出比增长速率,以及获取各个采样间隔对应的源IP地址熵;将IP流平均长度、IP包流入流出比增长速率以及源IP地址熵,作为一个样本特征向量,获得训练样本集;将样本特征向量输入预训练的分类模型进行模型训练,获得分类结果;若训练结果包括异常流量,则判定异常流量对应的样本特征向量为分布式拒绝服务DDoS攻击流量。本发明还公开了一种DDoS攻击检测装置、设备及计算机程序产品。本发明通过采用与流量大小不相关的样本特征向量作为训练数据,能够避免流量大小的变化对检测结果影响,进而降低对检测结果的误判,提高了DDoS攻击检测的准确率。