一种新的监督深度学习解决方案,用于使用卷积神经网络(CNN)在边缘系统上检测分布式拒绝服务(DDoS)攻击
原文中文,约400字,阅读约需1分钟。发表于: 。本研究提出了一种基于深度学习的新型分布式拒绝服务攻击检测方法,利用新不伦瑞克大学 DDoS 评估数据集中的实时 DDoS 攻击数据来构建一个更广泛和更适用于现实世界的模型。该模型通过提取数据流并将其归一化到一个固定长度,然后通过自定义架构进行二进制分类,利用卷积神经网络和常见的深度学习算法实现分类和减轻 DDoS 流量的技术。结果表明,该算法在网络流量中检测 DDoS...
本研究提出了一种基于深度学习的分布式拒绝服务攻击检测方法,利用新不伦瑞克大学DDoS评估数据集中的实时DDoS攻击数据来构建模型。该模型通过提取数据流并将其归一化到一个固定长度,然后通过自定义架构进行二进制分类,利用卷积神经网络和常见的深度学习算法实现分类和减轻DDoS流量的技术。结果表明,该算法在网络流量中检测DDoS攻击方面表现出很高的准确性,针对2000个未见过的流量达到了0.9883的准确率,并且可在任何网络环境中扩展应用。