基于LSTM与聚类算法的不良流量监测方法与系统技术方案

本发明专利技术公开一种基于LSTM与聚类算法的不良流量监测方法与系统，属于网络安全技术领域，利用BPF技术高效汇聚网络流量；通过LSTM网络对分片流量进行精确识别，利用其特殊的记忆单元结构捕捉复杂依赖关系；采用FCM聚类算法进行会话重组，还原完整网络会话，并通过特征匹配快速识别恶意流量；最后，对确认的恶意流量采取及时处置措施。本发明专利技术实现了对不良网站流量分片行为的快速、准确检测和识别，解决了传统方法难以应对的技术难题；通过高效的缓存和重组机制，提高了恶意流量处理的效率和准确性；采用了智能化的处置措施，确保了对恶意流量的及时、有效遏制；提升了网络安全的整体防护能力，保护了企业网络资源和用户数据安全。

【技术实现步骤摘要】

本专利技术属于网络安全，具体涉及一种基于lstm与聚类算法的不良流量监测方法与系统。

技术介绍

1、随着互联网技术的快速发展，网站安全问题日益凸显，成为亟待解决的重要问题。常规的恶意行为流量检测主要依赖于对流量响应包（如http post）的内容还原或行为特征检测，以及对流量请求包（如http get）的请求内容进行还原或动作检测。然而，在tcp协议设计中，单个tcp载荷包的最大限制为1480字节，而http get包的内容通常较少，往往不超过500字节，因此很少出现流量分片现象。这使得以往的检测方法在面对分片行为时显得捉襟见肘，无法有效识别和处置分片中的恶意流量，不能进行有效的检测和处置。

2、申请号为cn201811536096.8的中国专利技术专利公开了“一种检测网络异常流量的方法”，包括：步骤1)采集已知网络流量，并进行预处理，获得预处理后的网络流量；步骤2)建立lstm神经网络模型；将步骤1)获得的预处理后的网络流量作为输入数据，对lstm神经网络模型进行训练，获得训练完的lstm神经网络模型；步骤3)捕获未知网络流量，并对未知网络流本文档来自技高网...

【技术保护点】

1.一种基于LSTM与聚类算法的不良流量监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于LSTM与聚类算法的不良流量监测方法，其特征在于：步骤S1中，基于BPF进行流量汇聚筛选的实现方法为：

3.根据权利要求1所述的基于LSTM与聚类算法的不良流量监测方法，其特征在于：步骤S2中，通过LSTM的辅助，对流量分片行为进行精确识别，LSTM通过其记忆单元结构，捕捉序列中的复杂依赖关系和长期依赖；当流量中出现特定标记MF≠0时，同一会话下的数据包将开始进行LSTM处理，决定哪些新信息将被存储在记忆单元中，以及哪些信息将被遗忘或输出；最后识别出的分片流量...

【技术特征摘要】

1.一种基于lstm与聚类算法的不良流量监测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于lstm与聚类算法的不良流量监测方法，其特征在于：步骤s1中，基于bpf进行流量汇聚筛选的实现方法为：

3.根据权利要求1所述的基于lstm与聚类算法的不良流量监测方法，其特征在于：步骤s2中，通过lstm的辅助，对流量分片行为进行精确识别，lstm通过其记忆单元结构，捕捉序列中的复杂依赖关系和长期依赖；当流量中出现特定标记mf≠0时，同一会话下的数据包将开始进行lstm处理，决定哪些新信息将被存储在记忆单元中，以及哪些信息将被遗忘或输出；最后识别出的分片流量会被缓存；具体实现过程为：

4.根据权利要求1所述的基于lstm与聚类算法的不良流量监测方法，其特征在于：步骤3中，利用fcm算法进行会话重组与特征匹配的实现过程为：

5.根据权利要求4所述的基于lstm与聚类算法的不良流量监测方法...

【专利技术属性】
技术研发人员：王方圆，练智超，李千目，王鹏川，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：