基于深度学习的实时DDoS攻击检测

摘要：

分布式拒绝服务(DDoS)攻击是一种分布式、协作式的大规模网络攻击方式,提出了一种基于深度学习的DDoS攻击检测方法,该方法包含特征处理和模型检测两个阶段:特征处理阶段对输入的数据分组进行特征提取、格式转换和维度重构;模型检测阶段将处理后的特征输入深度学习网络模型进行检测,判断输入的数据分组是否为DDoS攻击分组.通过ISCX2012数据集训练模型,并通过实时的DDoS攻击对模型进行验证.结果表明,基于深度学习的DDoS攻击检测方法具有高检测精度、对软硬件设备依赖小、深度学习网络模型易于更新等优点.

关键词：分布式拒绝服务、拒绝服务、深度学习

所属期刊栏目：33

分类号：TP393(计算技术、计算机技术)

资助基金：国家高技术研究发展计划“863”计划基金资助项目2015AA011901;国家自然科学基金资助项目61402408,61379120;浙江省重点研发计划基金资助项目No.2017C03058The National High Technology Research and Development Program 863 Program2015AA011901;The National Natural Science Foundation of China61402408,61379120;Zhejiang's Key Project of Research and Development Plan2017C03058

在线出版日期：2017-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：53-65