专利交易市场

基于长短期记忆和注意力模型的分布式拒绝服务攻击检测方法，该方法针对网络中的分布式拒绝服务攻击进行检测，整体分为以下步骤：构建面向分布式拒绝服务攻击问题的检测模型，使用有效的流量特征提取方法，且采用了结合设备监控报警的方式，在对流量异常活动产生报警的同时，不仅能对输入的数据包进行及时的判断，而且能在受到攻击时指出具体的DDoS攻击种类，为异常流量的清洗过滤的流量过滤规则的设计提供了更多有效的信息。此外，由于交换机可以对全部经过该设备的数据包进行抓取，因此可以实现部署一个检测主机就可以检测多个设备的效果，有效地节省了部署检测模型的成本开销。

本发明涉及安全防护技术领域，公开了一种DNS分布式拒绝服务防御方法、装置、设备及存储介质，该方法包括：接收待检测DNS数据，并对待检测DNS数据进行流量统计，获得流量统计结果；根据预设静态条件对待检测DNS数据进行静态验证，获得静态验证结果；根据动态验证条件对待检测DNS数据进行动态验证，获得动态验证结果；根据流量统计结果、静态验证结果与动态验证结果确定待检测DNS数据的攻击等级；根据攻击等级对待检测DNS数据进行防御。上述方法通过将静态检测与动态检测相结合对DNS数据进行检测，提升了攻击检测的准确度，同时，通过攻击等级对DNS数据进行防御，解决了DNS分布式拒绝服务防御准确度低的问题。

本发明公开了一种软件定义网络环境下基于C4.5决策树算法的分布式拒绝服务攻击检测方法，包括步骤：通过OpenFlow协议收集由OpenFlow交换机返回的流表信息；提取所述流表信息中与DDoS攻击相关的字段信息并转化成可分析网络流量分布变化的参数作为属性，形成一个决策树的训练集；使用C4.5决策树算法对流量进行分类，并根据训练集数据分类别计算类别信息熵；依次计算属性的条件熵、信息的增益、属性的信息熵以及属性的信息增益率；选择信息增益率最大的属性当做决策树的根节点，然后在剩余属性中选取信息增益率最大的属性作为分叉节点，并重复上述步骤至形成决策树；使用最终形成的决策树对新的网络流量进行分类操作，检测是否存在DDoS攻击；本发明可更准确检测到DDoS攻击。

本发明提供一种拒绝服务攻击下人在回路多智能体系统的无模型控制方法，属于多智能体系统控制技术领域。该控制方法基于人在回路技术，引入外部人类专家对系统进行监督以提升系统的安全性和可靠性；同时将智能体通信之间的DoS攻击建模为时变切换拓扑，并设计完全分布式指定时间领导者输出观测器，有效减轻了DoS攻击跳变给观测效果带来的不利影响并实现观测误差的指定时间收敛性能；除此之外，还设计了优化性能函数并得出无模型的Q学习算法。该控制方法实现了在DoS攻击影响下的人在回路多智能体系统的无模型优化控制，同时兼顾了一致性误差的指定时间收敛性能，有效提升了控制品质。