公开(公告)号：CN111654479A

公开(公告)日：2020-09-11

申请号：CN202010438357.3

申请日：2020-05-22

Applicant: 哈尔滨工程大学

Inventor： 杨武 ,  苘大鹏 ,  吕继光 ,  王巍 ,  玄世昌 ,  张吉顺

IPC: H04L29/06 ,  H04L12/24 ,  H04L12/26 ,  H04L12/721

Abstract: 本发明属于信息中心网络的洪泛攻击检测技术领域，具体涉及一种基于随机森林与XGBoost的洪泛攻击检测方法。本发明采用当前较流行的集成学习算法随机森林和梯度提升算法XGBoost，在特征选择方面，提出了基于集成学习思想的特征选择模型，模型采用随机森林算法，解决了模型特征选择问题，提高了检测模块构建的速度，降低了过拟合的风险，提升了检测模块的准确率。本发明解决了传统统计检测方法需要手动设置阈值的问题，方法通过模型学习得到分类标准，降低了阈值设置对检测率的影响，提升了分类效果，增加了虚假兴趣包洪泛攻击检测的准确率。

公开(公告)号：CN111628982B

公开(公告)日：2022-03-18

申请号：CN202010438355.4

申请日：2020-05-22

Applicant: 哈尔滨工程大学

Inventor： 苘大鹏 ,  杨武 ,  王巍 ,  玄世昌 ,  吕继光 ,  张吉顺

IPC: H04L9/40

Abstract: 本发明属于信息中心网络的洪泛攻击缓解技术领域，具体涉及一种基于信誉度与基尼杂质的洪泛攻击缓解方法。本发明提出的缓解手段部署在边缘路由器，通过限制恶意数据，能够将洪泛攻击在源头被缓解，减少攻击对核心网络的影响；在内容名称方面，提出全名称前缀的概念，降低了字典树的空间开销，减少方法的空间复杂度；在恶意前缀识别方面，本发明提出了基尼杂质与全名称前缀组合识别方法，基于统计学理论基尼杂质和路由器的PIT结构，实现了恶意内容名称的识别；在正常用户的数据传输方面。本发明可以适应更加复杂的网络环境，能够在攻击者发出洪泛攻击的情况下定位受攻击的端口，在缓解洪泛攻击的情况下尽最大努力不影响正常的用户。

公开(公告)号：CN111628982A

公开(公告)日：2020-09-04

申请号：CN202010438355.4

申请日：2020-05-22

Applicant: 哈尔滨工程大学

Inventor： 苘大鹏 ,  杨武 ,  王巍 ,  玄世昌 ,  吕继光 ,  张吉顺

IPC: H04L29/06

Abstract: 本发明属于信息中心网络的洪泛攻击缓解技术领域，具体涉及一种基于信誉度与基尼杂质的洪泛攻击缓解方法。本发明提出的缓解手段部署在边缘路由器，通过限制恶意数据，能够将洪泛攻击在源头被缓解，减少攻击对核心网络的影响；在内容名称方面，提出全名称前缀的概念，降低了字典树的空间开销，减少方法的空间复杂度；在恶意前缀识别方面，本发明提出了基尼杂质与全名称前缀组合识别方法，基于统计学理论基尼杂质和路由器的PIT结构，实现了恶意内容名称的识别；在正常用户的数据传输方面。本发明可以适应更加复杂的网络环境，能够在攻击者发出洪泛攻击的情况下定位受攻击的端口，在缓解洪泛攻击的情况下尽最大努力不影响正常的用户。