基于集成学习的DoS攻击流量检测技术

• 作者: 刘洋 徐洪平 易航 马泽文
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: DoS攻击 机器学习 随机森林 特征选择 集成学习
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 入选论文
• 页码范围: 115-119
• 页数: 5页
• 分类号: TP309
• 字数: 4087字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2019.09.024

摘要

DoS攻击即拒绝服务攻击是一种常见且长期以来难以检测和预防的网络攻击方法,通过消耗被攻击者的带宽或计算资源造成目标计算机网络服务中断或停止,导致正常用户无法访问.随着机器学习算法的快速发展,决策树、支持向量机、随机森林、adaboost等算法逐渐被用于DoS攻击网络流量的识别与检测.对于大多数机器学习算法来说,网络流量特征的选择直接决定算法性能的优劣.文章使用网络流量特征提取工具CIC开owMeter和随机森林算法对网络流量特征进行提取和选择,设计算法训练模型对DoS攻击流量进行检测,取得了较好的精度及召回率,验证了文章检测方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易航		12	39	4.0	6.0
2	徐洪平		10	12	2.0	2.0
3	刘洋		4	4	1.0	2.0
4	马泽文		1	0	0.0	0.0