(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210999367.3 (22)申请日 2022.08.19 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区砚瓦池 正街47号 (72)发明人 曾增日　赵宝康　彭伟　 (74)专利代理 机构 湖南兆弘专利事务所(普通 合伙) 43008 专利代理师 谭武艺 (51)Int.Cl. H04L 9/40(2022.01) G06N 3/00(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于DNA 计算的智能攻击检测方法及系 统 (57)摘要 本发明公开了一种基于DNA计算的智能攻击 检测方法及系统， 本发明包括将流量特征编码为 碱基组成DNA序列， 并随机初始化若干 条DNA序列 组成父代种群P， 从父代种群P中随机选 择N条DNA 序列作为子代种群S； 对子代种群S进行DNA生化 反应后与父代种群P合并得到种群Q； 针对种群Q 中的各条DNA序列计算分类性能指标作为各条 DNA序列的适应度； 根据适应度对种群Q中所有 DNA序列基于非支配排序算法进行排序， 选择新 的父代种群P； 若迭代次数Gen等于设定最大迭代 次数GenMax或各条DNA序列的适应度不再变化后 根据适应度从父代种群P中选 择最优的DNA序列， 然后解码 碱基为流量特征得到最优 特征子集。 本 发明既能提升各分类精度而解决不平衡问题， 又 能降低特征维度而筛选出最优子集 以提升检测 速率。 权利要求书3页 说明书15页 附图4页 CN 115442087 A 2022.12.06 CN 115442087 A 1.一种基于DNA计算的智能攻击检测方法， 其特 征在于， 包括： S1， 将流量特征编码为碱基组成DNA序列， 并随机初始化若干条DNA序列组成父代种群 P， 所述父代种群P中的个体为一条DNA序列， 所述DNA序列由固定长度的碱基构成， 每一个碱 基用于表示 一个流量特征的状态且服从{0， 1， 2， 3}分布； 初始化迭代次数Gen； S2， 从父代种群P中随机 选择N条DNA序列 作为子代种群S； S3， 对子代种群S中的DNA序列进行DNA生 化反应； S4， 将父代种群P、 子代种群S合并得到种群Q； S5， 针对种群Q中的各条DNA序列， 将碱基解码为流量特征后得到特征子集， 基于特征子 集进行攻击分类 检测， 得到相应的分类性能指标作为各 条DNA序列的适应度； S6， 根据适应度对种群Q中所有DNA序列基于非支配排序算法进行排序， 根据排序的结 果选择指定数量的DNA序列构成新的父代种群P； S7， 判断迭代次数Gen等于设定最大迭代次数GenMax或各条DNA序列的适应度 不再变化 是否成立， 若不成立则将迭代次数Gen加1并跳转步骤S2； 否则， 根据适应度从新的父代种群 P中选择最优DNA序列， 解码为 流量特征作为最优特征子集。 2.根据权利 要求1所述的基于DNA计算的智能攻击检测方法， 其特征在于， 步骤S3包括： 首先针对子代种群S中的各条DNA序列， 将碱基解码为流量特征得到特征子集， 基于特征子 集进行攻击分类检测， 并计算特征子集的分类性能指标； 然后基于分类性能指标对子代种 群S中的DNA序列进行DNA生化反应， 其中DNA生化反应包括不同DNA序列之间的交叉、 同一 DNA序列内部的变异以及同一DNA序列内部的倒序中的部分或者全部 。 3.根据权利 要求2所述的基于DNA计算的智能攻击检测方法， 其特征在于， 所述不同DNA 序列之间的交叉包括： 步骤1， 随机 选择多对DNA序列； 步骤2， 在多对DNA序列中遍历选择一对DNA序列 作为当前DNA序列对； 步骤3， 判断当前DNA序列对的距离D大于设定值d是否成立， 若成立则跳转步骤1； 否则， 跳转继续往下 执行； 步骤4， 根据分类性能指标计算交叉概率P m， 并生成随机数Pr， 若条件Pr＜P m成立， 则为 当前DNA序列对执行碱基换位； 否则为当前DNA序列对 执行碱基翻转； 其中， 根据分类性能指 标计算交叉概 率Pm的函数表达式为： 上式中， K1和K2为常数参数， K1和K2的取值范围为[0， p]， p为流量特征的维度； fmax为子代 种群S中所有DNA序列对应的最优的分类性能指标， f ′为当前DNA序列对交叉后的平均分类 性能指标， favg为子代种群S中所有DNA序列对应的平均分类性能指标； 其中f ′为针对当前 DNA序列对交叉后的得到的两个DNA序列， 将 碱基解码为流量特征得到特征子集基于特征子 集进行攻击分类 检测， 并计算两个特 征子集的分类性能指标的平均值后得到； 步骤5， 判断DNA序列是否遍历完毕， 若尚未遍历完毕则跳转步骤2； 否则判定不同DNA序 列之间的交叉完成。 4.根据权利 要求2所述的基于DNA计算的智能攻击检测方法， 其特征在于， 所述同一DNA 序列内部的变异包括： 首先以变异概率Pc选取DNA序列， 然后在被选中的DNA序列中随机选权　利　要　求　书 1/3 页 2 CN 115442087 A 2取碱基进 行碱基变异， 所述碱基变异包括碱基的替换、 丢失和嵌入， 其中碱基的替换包括相 同类型的碱基之间的转换变异和异类型碱基的互相替换； 其中， 变异概率Pc的计算函数表 达式为： 上式中， K3和K4为常数参数， K3和K4的取值范围为[0， p]， p为流量特征的维度； fmax为子代 种群S中所有DNA序列对应的最优的分类性能指标， f为被选中的DNA序列对应的分类性能指 标， favg为子代种群S中所有DNA序列对应的平均分类性能指标。 5.根据权利 要求2所述的基于DNA计算的智能攻击检测方法， 其特征在于， 所述同一DNA 序列内部的倒序包括： 首先以倒序概率PI选取DNA序列， 然后在被选中的DNA序列中随机选 取两个位置进行碱基顺序的倒位， 其中倒序概 率PI的计算 函数表达式为： 上式中， K5为常数参数， 取值范围为[0， p]， p为流量特征的维度； fmax为子代种群S中的最 优分类性能指标， fi为被选中的DNA序列的分类性能指标。 6.根据权利要求1所述的基于DNA计算的智能攻击检测方法， 其特征在于， 步骤S4中的 分类性能指标包括实际检测准确率、 不平衡指数σ 和最优特 征指数Γ中的部分或全部 。 7.根据权利要求6所述的基于DNA计算的智能攻击检测方法， 其特征在于， 所述基于特 征子集进行攻击分类 检测时， 所采用的分类 器的函数表达式为： 上式中， 表示分类器得到的分类预测结果标签， f表示分类器所建立的流量特征集合X 到分类预测结果标签 之间的映射关系； 所述实际检测准确率的计算 函数表达式为： 上式中， A CCi为进行攻击分类检测时第i个攻击种类的实际检测准确率， Y表示流量特征 集合X对应的真实分类， n 为样本数量； 所述不平衡指数σ 的计算 函数表达式为： 上式中， n为攻击种类， E(i)为进行攻击分类检测时第i个攻击种类期望达到的检测准 确率， 所述 最优特征指数Γ的计算 函数表达式为： 上式中， ACCtotal为进行攻击分类检测时所有攻击种类的实际检测准确率， σ 表示不平衡 指数， 为特征子集 的长度， p为 流量特征的维度； 特 征子集 的筛选函数表达式为： 上式中， k(i)表示流量特征i是否被选中， k(i)＝0表示流量特征i未被选中， 反之表示 流量特征i被选中。 8.根据权利 要求1所述的基于DNA计算的智能攻击检测方法， 其特征在于， 步骤S6包括： 采用NSGA3算法基于适应度对所有的DNA序列进行约束支 配排序； 采用Niche ‑Preservation权　利　要　求　书 2/3 页 3 CN 115442087 A 3