基于多核学习的自适应DDoS攻击检测方法

• 作者: 唐湘滟 张晨 李俊麒 程杰仁 董哲
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 多核学习 DDoS攻击 自适应 集成学习
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 1381-1389
• 页数: 9页
• 分类号: TP393.083
• 字数: 6850字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.08.007

摘要

分布式拒绝服务DDoS攻击是互联网安全的主要威胁之一.当前大多数检测方法采用单一特征,在大数据环境下不能有效地检测DDoS早期攻击.提出了一种基于多核学习的特征自适应DDoS攻击检测方法FADADM,根据DDoS攻击流量的突发性、地址的分布性以及通信双方的交互性定义了5个特征.基于集成学习框架,分别提出采用增大同类方差与异类均值差的比值IS/M和减少同类方差与异类均值差的比值RS/M的方式自适应地调整各特征值的权重,基于简单多核学习SimpleMKL模型训练出IS/M-SimpleMKL和RS/M-SimpleMKL 2种具有不同特性的多核学习模型,以识别DDoS早期攻击.实验结果表明,本文方法能够快速、准确地检测DDoS早期攻击.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晨	海南大学计算机与网络空间安全学院	8	5	1.0	1.0
2	董哲	海南大学计算机与网络空间安全学院	2	3	1.0	1.0