20、基于高级机器学习/深度学习的软件定义网络入侵检测系统

基于高级机器学习/深度学习的软件定义网络入侵检测系统

1. 问题建模

在软件定义网络（SDN）中，有两个关键问题需要解决：
- 流量分组问题 ：将传入流量分组问题表述为一个优化问题，目标是最小化开销或成本。其数学表达式如下：
[
\begin{align }
\min&\sum_{F_j\in F} cost(F_j)\
\text{subject to}&\ cost(F_j) = |F_j|\cdot\sum_{f\in F_j} r_f
\end{align }
]
这里，$cost(F_j)$ 表示对传入流量 $f$ 进行聚类的成本，该成本因子反映了对传入流量进行分组时控制器额外承担的工作量，它基于每个集群 $F_j$ 内的总流量数和流量速率 $r_f$ 计算得出。在简化场景中，假设 $r_f = 1$。
- IDS 链分配问题 ：确定 IDS 链到流量组的最优分配，以最小化恶意数据包的数量，并确保所有流量在到达目的地之前都经过 IDS 链。假设 IDS 链的位置是预先确定的，该问题可表示为：
[
\begin{align }
\min&\sum_{i\in I} cost(I)\
\text{subject to}&\ cost(I) = \sum_{M_{j,i}=1} R_j * \min dist(F_j, I_i)\
&R_j = \sum_{f\in F_j} r_f, 1\leq |I_i|
\end{a