本發(fā)明公開了一種基于分布式協(xié)作學(xué)習(xí)的DDoS主動(dòng)防御系統(tǒng)及方法，該系統(tǒng)包括DDoS攻擊檢測模塊、邊緣設(shè)備分布學(xué)習(xí)模塊、決策強(qiáng)化學(xué)習(xí)模塊和主動(dòng)防御模塊；采用CNN神經(jīng)網(wǎng)絡(luò)充分發(fā)掘數(shù)據(jù)流量的時(shí)間特征和空間特征；將CNN神經(jīng)網(wǎng)絡(luò)模型和輕量級(jí)模型引入物聯(lián)網(wǎng)DDoS攻擊流量檢測；邊緣節(jié)點(diǎn)上傳環(huán)境信息給云服務(wù)器，控制節(jié)點(diǎn)下放主動(dòng)防御決策給邊緣節(jié)點(diǎn)；實(shí)現(xiàn)邊緣節(jié)點(diǎn)做出協(xié)作學(xué)習(xí)決策，部署拓?fù)錁?gòu)造策略；選擇主動(dòng)防御措施。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)現(xiàn)了應(yīng)用于端?邊設(shè)備架構(gòu)下，針對物聯(lián)網(wǎng)數(shù)據(jù)流的分布式在線DDoS檢測技術(shù)，實(shí)現(xiàn)延遲更低、魯棒性更好的智能防御引擎；節(jié)點(diǎn)間的交互機(jī)制和學(xué)習(xí)機(jī)制提升了主動(dòng)防御的精確度，有效降低了時(shí)延。