买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于神经网络的DDos攻击云边协作防御方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116614267B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310549829.6，技术领域涉及：H04L9/40；该发明授权基于神经网络的DDos攻击云边协作防御方法与系统是由沈晓翔;庄永真;罗进开;万志远设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于神经网络的DDos攻击云边协作防御方法与系统在说明书摘要公布了：本发明公开了基于神经网络的DDos攻击云边协作防御方法与系统，本发明通过在云端训练多个SOM模型借助熵度量确定最优的SOM输出层结构，SDN中的网络控制器在云端提前注册，下发部署模型参数到提前在云端注册的SDN网络控制器；定时监控对于网络中边缘的物理设备经由的流量进行多级检测和筛选；通过SOM模型将网络流量分为正常、异常和存疑三种，并进一步通过KD树对存疑的网络流量进行细粒度的识别。这种基于云边协作的SOM训练和DDos检测方法适用于应用SDN网络架构的工业互联网场景，能在合理利用边缘网络物理资源的算力基础上，有效地对传入网络包进行实时检测，提高辨别的准确率。

本发明授权基于神经网络的DDos攻击云边协作防御方法与系统在权利要求书中公布了：1.一种基于神经网络的DDos攻击云边协作防御方法，其特征在于，该方法包括以下步骤： S1、预处理DDos流量数据集：选取DDos流量数据集中的M个节点，筛选网络流量特征，得到每个节点的特征变量，并将特征值进行压缩； S2、由DDos流量数据集的理想簇数量来确定训练的SOM输出层拓扑中的神经元数量范围； S3、创建SOM模型并进行云端训练，得到训练好的SOM模型参数； S4、通过数据的映射类型和SOM模型的不准确系数对训练好的SOM模型参数进行筛选，得到最优SOM模型参数； S5、根据欧氏距离对SOM模型的输出层神经元权重坐标按照KD树建模；具体步骤如下： S51、根据欧氏距离对SOM模型的输出层神经元权重坐标按照KD树建模，根据如下公式计算每个神经元Wi每维权重值wij的方差，记方差最大的特征维度为k； S52、将输出层的N个神经元构成的集合记为W＝{W1,W2,…WN}，将N个神经元按照第k维度权重值的大小进行升序排列，计算该集合中第k维权重值的中位数m； S53、根据集合第k维权重将输出层的神经元分成两份，具体为：第k维权重值大于m的点构成一个神经元子集合；小于或者等于m的神经元构成另一个神经元子集合，将其存储到KD树的初代叶子节点中； S54、对于得到的两个神经元子集重复S52-S53的操作并存储到下一代的叶子节点中，直到不能再划分为止； S6、将训练好的SOM模型参数、KD树和不同映射类型的神经元集合打包分发给SDN边缘网络的控制器集群； S7、将获取到的网络流量特征进行标准化，发送至控制器集群进行流量类型判断，对攻击流量进行处理；所述发送至控制器集群进行流量类型判断具体为： 边缘网络控制器定时拉取下辖的OpenFlow的交换机中的网络流量，提取需要的网络流量特征并标准化为6维向量Vi，发送给鉴别器进行判断； 计算SOM输出层中匹配的神经元即与该向量欧式距离最小的神经元，记为Wi： 若Wi∈NN，该流量为正常网络流量； 若Wi∈AN，该流量为异常网络流量； 若不属于AN和NN，则标记为存疑流量； NN为正常网络流量的神经元集合，AN为异常网络流量的神经元集合； 对于存疑流量，在KD树中所搜找到g个最接近的神经元节点：g为事先定义的超参数； 若其中有超过g-12个节点属于NN，则该流量标记为正常流量； 其他情况标记为异常流量； 对标记为正常的网络流量进行放行，对标记为异常的网络流量进行阻截，将攻击流中的源IP地址和源MAC地址作为匹配字段，由它修改流表中相应的action属性，并将修改后的流表发送给OpenFlow交换机，丢弃攻击流。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。