一种基于图神经网络的SDN网络DDoS攻击检测方法技术

本发明专利技术提供了一种基于图神经网络的SDN网络DDoS攻击检测方法，涉及人工智能与网络安全技术领域。本发明专利技术根据SDN网络环境下流表数据中提取的六个DDoS相关的流特征值建立流表图，其中六个流特征值包括：源IP地址增速GSIP、流生存时间变化ADF、端口增速GSP、流表项速率RFE、流表匹配成功率RFM、对比流比例PPF。本发明专利技术通过图神经网络双层结构处理数据包，建立基于图神经网络的DDoS攻击检测模型，增加对网络数据判断分析的准确性，隔离可能存在的网络安全威胁，并给出警告提示和实时防护的措施，尽可能地避免用户在接触数据信息后受到影响，带来各方面的损失，为授权用户提供安全可靠的网络环境。络环境。络环境。

【技术实现步骤摘要】
一种基于图神经网络的SDN网络DDoS攻击检测方法


[0001]本专利技术涉及人工智能与网络安全
，尤其涉及一种基于图神经网络的SDN网络DDoS攻击检测方法。

技术介绍

[0002]分布式拒绝服务攻击(Distributed Denial of Service，简称DDoS)是目前黑客经常采用而难以防范的攻击手段。DDoS的攻击方式一直在不断变化且非常多样，但是DDoS攻击并未得到有效控制，且近年来DDoS攻击呈现出攻击模式更加智能化、攻击范围不断扩大的特点。
[0003]软件定义网络(Software Defined Networking，简称SDN)，将传统封闭的网络体系解耦为数据平面、控制平面和应用平面，实现了网络流量的灵活控制，使网络作为管道变得更加智能。然而，SDN架构使得各种资源的配置以及服务都全面集中在控制器层面上，使SDN控制器成为了以DDoS攻击为代表的各种网络安全攻击的重点目标。自国家对网络安全概念加强重视以来，网络安全问题已经成为社会关注的问题。
[0004]随着国家对网络安全的重视，网络安全防护显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的SDN网络DDoS攻击检测方法，其特征在于，包括以下步骤：S1、SDN控制器向OpenFlow交换机发送流表数据请求，并获取流表的状态信息；其中，OpenFlow交换机将流表的状态信息回复至SDN控制器的流特征值提取模块，定期获取信息数据的时间间隔为T；S2、SDN控制器中的流特征值提取模块对收集的流表信息数据进行分解处理，提取出与DDoS相关的流特征值，并建立流表图；其中，流特征值包括：源IP地址增速GSIP、流生存时间变化ADF、端口增速GSP、流表项速率RFE、流表匹配成功率RFM和对比流比例PPF；将各OpenFlow交换机作为图神经网络中的节点(Node),交换机之间的连接关系作为边(Edge)，建立图神经网络；S3、初始化图神经网络的各算法参数，通过流表传递图神经网络处理信息，建立节点白名单，并给出符合DDoS攻击的漏洞标签；S4、建立完整的基于图神经网络的DDoS攻击检测模型，并对DDoS攻击进行预测；S5、若检测样本中有符合DDoS攻击的漏洞标签的节点结构，则向SDN控制器发出告警，并由SDN控制器命令对应漏洞节点丢弃疑似攻击数据包，更改相关安全配置。2.根据权利要求1所述的一种基于图神经网络的SDN网络DDoS攻击检测方法，其特征在于，所述S1中，由OpenFlow交换机将流表信息回复至SDN控制器的流特征值提取模块，其中，定期获取信息数据的时间间隔T为9秒。3.根据权利要求1所述的一种基于图神经网络的SDN网络DDoS攻击检测方法，其特征在于，在S2提取出与DDoS相关的流特征值：源IP地址增速GSIP计算公式为：其中，为源IP数量，T为采样的时间间隔；流生存时间变化ADF计算公式为：其中，T
dur
为流生存时间，T
flow
为流的总时间；端口增速GSP计算公式为：其中，S
port
为攻击源端口的增加数量，T为采样的时间间隔；流表项速率RFE计算公式为：其中，S
flow
为流表项的总数，T为采样的时间间隔；流表匹配成功率RFM计算公式为：
其中，M
packet
为匹配成功的数据包数量，S
packet
为数据包总数；对比流比例PPF计算公式为：其中，F
pair
为网络中交互流的数量，F
sum
为流的总数。4.根据权利要求1所述的一种基于图神经网络的SDN网络DDoS攻击检测方法，其特征在于，所述S2进一步包含以下过程：S2
‑
1 SDN控制器中的流特征值提取模块对收集的流表信息数据进行分解处理，提取出与DDoS相关的流特征值；S2
‑
2将各OpenFlow交换机作为图神经网络中的节点(Node),交换机之间的连接关系作为边(Edge)，构造图神经网络；S2
‑
3根据各项流表参数生成流表图，流表图为无向图：G
flow
＝(V,E)其中，N个OpenFlow交换机作为节点v
i
∈V,任意边(v
i
,v
j
)∈E；S2
‑
4将SDN控制器提取的流特征值，组成一维特征向量。5....

【专利技术属性】
技术研发人员：李洪赭，徐斯润，李赛飞，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：