一种基于流量统计的小波分析边界处理方法

摘要

基于流量统计的小波分析边界处理方法是一种用于基于小波分析的Hurst参数求解的方法，主要用来解决Hurst参数精确求解问题，从而解决精确检测DDoS攻击。该方法中，应用Mallat算法，进行离散小波分解，在多级分解过程中，对每一级信号进行流量统计，利用其平均流量作为延拓信号，设经过预处理等待检测信号为S＝[Sl，S2，...，Sn]，其中信号长度为n，S1、S2、...、Sn为相同指定间隔时间内统计出来的流量，小波滤波器长度为WLen，则其最大可分解级数通过使用本发明提出的方法，在基于自相似理论检测DDoS攻击中，可以更精确的求解出Hurst参数，准确地判断是否发生DDoS攻击。

主权项

1.一种基于流量统计的小波分析边界处理方法，其特征在于该方法中，应用Mallat算法，进行离散小波分解，在多级分解过程中，对每一级信号进行流量统计，利用其平均流量作为延拓信号，设经过预处理的等待检测信号为S＝[S1，S2，...，Sn]，其中信号长度为n，S1、S2、...、Sn分别为相同指定间隔时间内统计出来的流量，小波滤波器长度为WLen，则其最大可分解级数其中[H]表示对H向下取整，具体包括如下步骤：1).统计[S1，S2，...，Sn]的总流量，计算方法如下：sum＝S1+S2+...+Sn；sum为总流量；2).计算平均流量，计算方法如下：average＝sum/n；average为平均流量；3).对信号S进行边界延拓，方法如下；[S1，S2，...，Sn，average，average，...，average]，使用平均流量average进行边界延拓，延拓后信号长度为n+WLen；4).对延拓后的信号S和小波高通、低通滤波器进行卷积并下采样分别得到细节信号d和近似信号a；5)对近似信号a＝[a_j，1，a_j，2，......，a_j，nj]，其中j为分解级数，j∈[1，MaxLev]，采用从步骤1)到步骤3)相同的处理方法：●首先统计总流量sum_j＝a_j，1+a_j，2+...+a_j，nj；sum_j为近似信号a的总流量，其长度为nj，表示第j级分解的近似信号a的长度，j为分解级数；●计算平均流量average_j＝sum_j/nj；●对近似信号a延括为[a_j，1，a_j，2，...，a_j，nj，average_j，average_j，...，average_j]，使用平均流量average_j进行边界延拓，延拓后信号长度为nj+WLen；其中所述预处理的方法为：将原始数据按照到达时间等间隔划分，每一时间间隔作为一个时隙，统计该时隙内所接收到数据包的长度总和，将统计的该时隙内所接收到数据包的长度总和作为该时隙的等待检测信号值，取n个时隙的等待检测信号值，从而得到所述经过预处理的等待检测信号S＝[S1，S2，...，Sn]。