隨著網(wǎng)絡(luò)技術(shù)不斷發(fā)展,攻擊手段越來(lái)越多樣化,傳統(tǒng)分布式拒絕服務(wù)（DDoS）攻擊檢測(cè)技術(shù)逐漸表露出檢測(cè)性能差、適應(yīng)能力低等問(wèn)題,DDoS攻擊檢測(cè)的新技術(shù)、新方法已成為相關(guān)領(lǐng)域的研究熱點(diǎn)。軟件定義網(wǎng)絡(luò)（SDN）具有集中控制的特點(diǎn),在SDN下收集流量進(jìn)行攻擊檢測(cè),可提高DDoS攻擊檢測(cè)性能�；诖吮疚脑赟DN下構(gòu)建一個(gè)基于優(yōu)化的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）的DDoS攻擊檢測(cè)模型。本文通過(guò)分析RBFNN各參數(shù)訓(xùn)練方法,選擇適用于DDoS攻擊研究的梯度下降算法作為RBFNN各參數(shù)的訓(xùn)練方法。為提高梯度下降算法優(yōu)化各參數(shù)的優(yōu)化速度,提出根據(jù)損失函數(shù)變化來(lái)動(dòng)態(tài)計(jì)算步長(zhǎng)的動(dòng)態(tài)步長(zhǎng)梯度下降算法。經(jīng)實(shí)驗(yàn)驗(yàn)證動(dòng)態(tài)步長(zhǎng)梯度下降算法收斂速度快,尋優(yōu)能力強(qiáng)�；趧�(dòng)態(tài)步長(zhǎng)梯度下降算法優(yōu)化RBFNN算法,使RBFNN算法各參數(shù)最優(yōu)從而提高其學(xué)習(xí)能力,經(jīng)實(shí)驗(yàn)驗(yàn)證優(yōu)化后的RBFNN算法學(xué)習(xí)能力強(qiáng)�；谝陨蠈�(duì)RBFNN算法的優(yōu)化,針對(duì)目前DDoS攻擊檢測(cè)性能差、適應(yīng)能力低等問(wèn)題,提出SDN下部署基于優(yōu)化的RBFNN的DDoS攻擊檢測(cè)模型。模型需輸入DDoS攻擊特征,針對(duì)已有的DDoS攻擊特征值未區(qū)分網(wǎng)絡(luò)訪問(wèn)量突增與DD... 

【文章來(lái)源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RBFNN網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

8圖 2.2 高斯函數(shù)圖 可知，當(dāng)輸入自變量為 0 時(shí)，通過(guò)高斯函數(shù)計(jì)算的結(jié)果取得最加，計(jì)算結(jié)果不斷減小。即當(dāng)輸入向量與隱含層中心參數(shù)的距離結(jié)果最大，距離越大，而隱含層的輸出結(jié)果則越小[35]。由此可 隱含層產(chǎn)生局部反應(yīng)。隱含層的輸出計(jì)算公式如 2-3 所示：22exp( )iiiX cRr

哈爾濱工程大學(xué)碩士學(xué)位論文( )( ) ( ) 02( 1) ( ) ( ) ( ) 0kk J kk k k J k （2式 2-14 中， ( k)表示第k 次迭代的步長(zhǎng)， ( k 1)表示第 k 1次迭代損失函數(shù)而定的迭代因子，迭代因子為小于 0.1 的隨機(jī)數(shù)。當(dāng) J ( k) 函數(shù)隨著迭代次數(shù)而減少，因此進(jìn)行第 k 1次迭代。隨著迭代次數(shù)的則越靠近極小值，因此步長(zhǎng)都應(yīng)比上一次有所減少，為確保收斂速度子也應(yīng)不斷減小。因此本文應(yīng)用 ( k)作為步長(zhǎng)的減小因子，隨著迭 值逐漸增大，而 ( k)也逐漸減小，因此步長(zhǎng)減小因子也在不斷減小。0增大時(shí)，則損失函數(shù)錯(cuò)過(guò)極小值，因此應(yīng)用步長(zhǎng)折半的機(jī)制，將步長(zhǎng)半重新迭代計(jì)算，直至損失函數(shù)不在改變。梯度下降算法的原理，損失函數(shù)不同則求得的結(jié)果也不同。以 Peakss 函數(shù)是一個(gè)擁有多個(gè)局部極值的多維函數(shù)。Peaks 函數(shù)的圖像如圖 2

【參考文獻(xiàn)】：
期刊論文
[1]SDN中基于條件熵和GHSOM的DDoS攻擊檢測(cè)方法[J]. 田俊峰,齊鎏嶺.  通信學(xué)報(bào). 2018(08)
[2]云環(huán)境中基于SDN的高效DDoS攻擊檢測(cè)與防御方案[J]. 何亨,胡艷,鄭良漢,薛正元.  通信學(xué)報(bào). 2018(04)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的隨機(jī)梯度下降算法[J]. 王功鵬,段萌,牛常勇.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(02)
[4]一種快速有效鑒定CRISPR/Cas9誘導(dǎo)水稻突變體的方法[J]. 馮旭萍,彭城,張初,劉小丹,申婷婷,何勇,徐俊鋒.  光譜學(xué)與光譜分析. 2018(02)
[5]基于OpenFlow的SDN網(wǎng)絡(luò)攻防方法綜述[J]. 武澤慧,魏強(qiáng),王清賢.  計(jì)算機(jī)科學(xué). 2017(06)
[6]SDN:未來(lái)互聯(lián)網(wǎng)的挑戰(zhàn)與機(jī)會(huì)[J]. 王麗,呂光宏,裴海旭.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(09)
[7]層次型多中心的SDN控制器部署[J]. 張棟,郭俊杰,吳春明.  電子學(xué)報(bào). 2017(03)
[8]基于深度學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的入侵檢測(cè)算法[J]. 王聲柱,李永忠.  信息技術(shù). 2017(01)
[9]基于改進(jìn)樸素貝葉斯的入侵檢測(cè)方法[J]. 孫程,邢建春,楊啟亮,韓德帥.  微型機(jī)與應(yīng)用. 2017(01)
[10]網(wǎng)絡(luò)安全中混合型入侵檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 傅明麗.  通訊世界. 2016(01)

碩士論文
[1]SDN中DDoS攻擊檢測(cè)與流表過(guò)載防御技術(shù)研究[D]. 王曉瑞.鄭州大學(xué) 2017
[2]基于網(wǎng)絡(luò)異常的入侵檢測(cè)算法研究[D]. 孔令智.北京交通大學(xué) 2017



本文編號(hào)：3308487