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！

龙图腾网获悉北京航空航天大学申请的专利一种面向云边端协同环境的DDoS攻击识别方法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：CN119675947B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411826961.8，技术领域涉及：H04L9/40；该发明授权一种面向云边端协同环境的DDoS攻击识别方法是由肖利民;沈润楠;王锦权;廖晓坚设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种面向云边端协同环境的DDoS攻击识别方法在说明书摘要公布了：本发明提出一种面向云边端协同环境的DDoS攻击识别方法。通过使用信息熵计算和随机森林方法，发现报文中的重要特征并予以提取，进一步将前述特征输入CNN网络中开展训练和分类，进而将DQN网络部署在云边环境中，利用CNN模型对其进行修正和迭代更新，实现对DDoS攻击的检测和抵御，为构建可缓解DDoS攻击的云边环境提供一种新的思路。

本发明授权一种面向云边端协同环境的DDoS攻击识别方法在权利要求书中公布了：1.一种面向云边端协同环境的DDoS攻击识别方法，其特征在于，包括： 1利用数据预处理模块，提取网络报文中的头部信息，并将信息整理存储至可供程序使用的格式文件中； 2利用特征筛选和排序模块，从头部信息中筛选与攻击流量关联最紧密的特征，并予以排序； 3利用DDoS攻击流量检测模块，使用特征筛选和排序模块计算得到的特征，训练CNN模型，用于DDoS攻击流量的分类； 4利用部署检测策略，将DQN部署至云边环境中，根据网络情况进行防御力度的增减； 所述特征筛选和排序模块执行以下步骤2.1至步骤2.3： 步骤2.1，报文信息数值化：获得报文信息后，对各条信息予以数值化处理，将现有的字符含义的信息，改造为可用于计算的数值类型，形成统一标准下的数值，方便特征筛选使用； 步骤2.2，选择随机森林方法作为特征筛选的基本算法以筛选出必要之特征； 步骤2.3，基于随机森林的特征重要性排序：整片随机森林由输入、多棵决策树、结合器与输出构成；采用报文信息数值化的信息熵值和流量类型，组成随机森林的输入；对于每一棵决策树，将使用不同类型的信息熵值作为采样依据，涵盖所有主要信息熵；结合器将各决策树的输出综合起来，并给定一个最后的结果；输出把前述之结果呈现至用户程序应用；完成随机森林的构建后，一部分数据将被用于测试随机森林的分类效果；流量标记即该流量自身为普通流量或攻击流量，与测试结果相对比，发现判断正确的流量集；进一步反推决策树的重要性；采用平均下降准确度策略计算各个特征的重要性，并选择排名前16的特征作为后续的评选依据； 所述部署检测策略执行以下步骤4.1： 步骤4.1，选择DQN算法作为部署中的调整策略：DQN算法是DeepQNetwork的简称，是一种结合了深度网络和Q-Learning强化学习的方法，将DQN网络的输入设定为网络流量包提取的信息，由DQN判断并过滤一定流量；对于奖励值r，做出如下设定： 其中，p是网络流量包，当DQN算法正确判断流量类型时，rretain作为无反馈奖励，要求DQN维持现有判断并保持过滤强度；当DQN算法将攻击流量判断为正常流量时，rstrength作为正反馈奖励，将要求DQN提升检测和过滤强度；当DQN算法将正常流量判断为攻击流量时，rweaken作为负反馈奖励，将要求DQN降低检测和过滤强度；该设定的目的是利用强化学习过滤攻击流量，并快速依据当前的流量状态和强度，实现在线更新，对应增强或放松流量准入，检测抵御DDoS攻击，并保证用户的基本访问。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。