BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
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攻击数据构建模型。
-
模型通过提取数据流并归一化到固定长度进行二进制分类。
-
使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。
-
该算法在检测DDoS攻击方面表现出高准确性，针对2000个未见过的流量达到了0.9883的准确率。
-
模型可在任何网络环境中扩展应用。
➡️
