【技术实现步骤摘要】
时空图神经网络链路泛洪攻击检测方法、设备及存储介质
[0001]本专利技术涉及网络空间安全与人工智能领域，具体地，涉及一种时空图神经网络链路泛洪攻击检测方法、设备及存储介质。
技术介绍
[0002]拒绝服务(Denial of Service，DoS)攻击是一种非法组织利用所控制资源对国家骨干网络、重要网络设施和重要网站等网络目标的攻击，致使目标服务器断网，最终停止提供服务。传统DoS攻击流量通常到达受害主机，并且与合法流量有明显区别，并随着近年来对传统DoS攻击检测手段不断增加，检测此类传统DoS攻击并不困难。
[0003]然而，最新研究发现一种新型的目标链路泛洪攻击(Link Flooding Attacks，LFA)，LFA可以有效地切断目标区域的网络连接，且不易被终端网络安全检测设备所检测。LFA分为Coremelt和Crossfire等具体攻击方式。例如，游戏服务的主要链接遭受Crossfire攻击，使其长时间无法使用。此外，LFA还被攻击者用来攻击主要互联网交换点的特定链路。
[0004]其中，L...
【技术保护点】
【技术特征摘要】
1.一种时空图神经网络链路泛洪攻击检测方法，其特征在于，所述方法包括：S1、拓扑构建图，将待保护的网络区域建模成适用于LFA检测的图；S2、特征提取，选取适应于LFA检测的流量特征与统计特征；S3、采用STGCN模型构建流量时空特性，并使用分类网络进行LFA攻击检测。2.根据权利要求1所述的方法，其特征在于，步骤S1包括：SDN场景下，控制器拥有网络全局拓扑；将全局拓扑抽象出来，选取出待保护的网络，定义为无向图G
S
＝(V
S
，E
S
，A
S
)，其中，V
S
表示待保护的网络的节点的有限集，|V
S
|＝N
S
，N
S
为G
S
中节点个数；E
S
表示待保护的网络节点间的链路集合，|E
S
|＝M
S
，M
S
为G
S
中链路个数；表示G
S
的邻接矩阵；将网络中的链路E
S
建模成拓扑图中的点，相邻的链路在拓扑图中进行连接转化为拓扑图中的边，可以得到G
L
＝(V
L
，E
L
，A
L
)，其中，V
L
表示构建的拓扑图节点集合|V
L
|＝M
S
，E
L
表示构建的拓扑图链路集合，表示G
L
的邻接矩阵，具体转化流程为：首先，按顺序将E
S
矩阵的每一条边进行标号；然后，构建零矩阵A
L
，遍历A
S
矩阵中的边，将相邻的边在A
L
矩阵中赋值，得到用于LFA检测的拓扑图。3.根据权利要求1所述的方法，其特征在于，步骤S2包括：使用链路流量、链路利用率、ABW、丢包率和RTT作为LFA检测的特征，定义为其中，表示第i条链路t时刻的特征，F为特征数目，F＝5，和分别表示第i条链路t时刻的链路流量、利用率、ABW、丢包率和RTT；因此有包率和RTT；因此有表示t时刻所有网络链路的特征，其中，定义X＝(X1，X2，...，X
τ
)
T
表示所有节点τ个时间片的所有特征，由于网络流量特征不仅具有空间特性还具有较强的时间特性，进而刻画网络链路的时间特征：定义默认时间间隔为5min，窗口长度为T
p
，分别提取分钟级别、日级别和周级别的特征序列作为时间维度的刻画，分别定义为X
m
、X
d
和和和和4.根据权利要求1所述的方法，其特征在于，在步骤S3中，采用时空注意力图神经网络(Attention Based Spatial
‑
Temporal GraphConvolutional Networks，ASTGCN)，使用三个维度的输入，分别建模历史流量的分钟级别、小时级别和日级别的周期依赖关系，捕获网络流量的动态时空相关性，并使用全连接网络进行LFA攻击检测。5.根据权利要求4所述的方法，其特征在于，步骤S3包括：在空间维度上，使用注意力机制自适应地捕捉空间维度中节点之间的动态相关性；以分钟级别中的r
‑
1层为例：
其中，表示第r层时空块的输入，C
r
‑1表示第r层输入的通道数量，当r＝1时C0＝F，T
r
‑1是r层的时间维度，当r＝1时T0＝T
p
；V
e
，，是可学习的参数；空间相关矩阵S由变化的输入确定，S的元素S
i，j
表示时间i和j之间的依赖强度，利用归一化指数Softmax函数对S
i，j
进行归一化处理，最后将归一化的空间注意力矩阵应用于输入。6.根据权利要求4...
【专利技术属性】
技术研发人员：杨坚，程思雨，陈双武，承孝敏，张勇东，徐正欢，
申请(专利权)人：长三角信息智能创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。