公开(公告)号：CN116260616B

公开(公告)日：2025-05-27

申请号：CN202211655516.0

申请日：2022-12-21

Applicant: 重庆邮电大学

Inventor： 龙昭华 ,  肖智文 ,  张林

IPC: H04L9/40 ,  H04L41/16 ,  H04L41/40 ,  G06N3/0442

Abstract: 本发明请求保护一种SDN(软件定义网络)环境下基于深度学习的入侵检测方法。对于流经SDN网络的流量信息，控制器会以固定的速率去轮询交换机中的流表从而对流量信息进行统计，然而轮询固定时间过长会导致无法及时的获取网络流量信息进而影响网络入侵检测的判断，时间过短会导致控制器的负载过大。本发明提出了一种基于源IP地址Renyientropy(雷尼熵)变化的自适应网络流量采样方法，用于采集SDN网络中的流量数据，针对入侵检测，提出了一种SAE‑GRU(稀疏自编码‑循环门单元神经网络)相结合的入侵检测模型用于识别异常网络流量。当流量被判断为异常流量，控制器该异常流量下发流表丢弃。本发明能够有更加实时准确的收集SDN网络流量信息，识别网络中的异常流量。

公开(公告)号：CN116260616A

公开(公告)日：2023-06-13

申请号：CN202211655516.0

申请日：2022-12-21

Applicant: 重庆邮电大学

Inventor： 龙昭华 ,  肖智文 ,  张林

IPC: H04L9/40 ,  H04L41/16 ,  H04L41/40 ,  G06N3/0442

Abstract: 本发明请求保护一种SDN(软件定义网络)环境下基于深度学习的入侵检测方法。对于流经SDN网络的流量信息，控制器会以固定的速率去轮询交换机中的流表从而对流量信息进行统计，然而轮询固定时间过长会导致无法及时的获取网络流量信息进而影响网络入侵检测的判断，时间过短会导致控制器的负载过大。本发明提出了一种基于源IP地址Renyientropy(雷尼熵)变化的自适应网络流量采样方法，用于采集SDN网络中的流量数据，针对入侵检测，提出了一种SAE‑GRU(稀疏自编码‑循环门单元神经网络)相结合的入侵检测模型用于识别异常网络流量。当流量被判断为异常流量，控制器该异常流量下发流表丢弃。本发明能够有更加实时准确的收集SDN网络流量信息，识别网络中的异常流量。