一种基于BiLSTM的低速率DDoS攻击检测方法

摘要：

低速率分布式拒绝服务(Low-rate Distributed Denial of Service,LDDoS)攻击是一种新型的DDoS攻击方式,因其具有低速率、周期性和隐蔽性等特点,可躲避传统的DDoS攻击检测技术,更加难于检测和防御.本文提出一种基于特征选择和双向长短期记忆(Bidirectional Long Short Term Memory,BiLSTM)神经网络结合的LDDoS攻击检测方法.该方法使用分层交叉验证的递归特征消除(Recursive Feature Elimination CV,REFCV)特征选择算法挖掘双向流中最优的11个特征集合作为神经网络的输入,建立基于BiLSTM神经网络模型的LDDoS攻击检测分类器进行分类,达到LDDoS攻击检测的目的.实验结果表明该方法比卡尔曼滤波和NCAS算法有较高的检测率,误报率和漏报率都很低.

关键词：低速率、DDoS、BiLSTM、特征选择

分类号：TP393.08(计算技术、计算机技术)

资助基金：贵州省科技计划项目;河南省科技攻关计划项目

在线出版日期：2020-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-126