本發明公開了基于隱馬爾可夫和Q學習協作的DDoS攻擊檢測方法,結合隱馬爾可夫模型的相關理論,在現有檢測方法的基礎上,提出了基于隱馬爾可夫模型和TCP連接狀態結合的DDoS攻擊檢測方法,首先從網絡數據流中抓取不同的歷史數據,包括正常的和正在遭受DDoS攻擊的數據流量,分別獲得網絡傳輸單元,攻擊者和目標主機的TCP連接狀態,然后進行模型參數的學習,使隱馬爾可夫模型準確的描述網絡數據流動態TCP連接的狀態序列,然后在單點檢測模型的基礎上,結合強化學習中Q學習的相關理論,針對分布式檢測中存在的問題,提出了基于分布式協作Q學習的檢測方法。經實驗對比分析,降低了系統中各檢測點之間的通訊量,提高了系統的運行效率。
聲明:
“基于隱馬爾可夫和Q學習協作的DDoS攻擊檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)