结合概率图模型与DNN的DDoS攻击检测方法

• 作者: 王文涛 李树梅 汤婕 吕伟龙
• 来源期刊: 计算机工程与应用
• 关键词: 分布式拒绝服务攻击(DDoS) 隐马尔科夫(HMM) 深度神经网络(DNN) 机器学习
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 网络、通信与安全|Network, Communication and Security
• 页码范围: 108-115
• 页数: 8页
• 分类号: TP393|TP18
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2004-0121

摘要

从传统网络到物联网,分布式拒绝服务攻击一直是网络安全的隐患.为提高分布式拒绝服务攻击的检测率,提出基于概率图模型与深度神经网络的DDoS攻击检测方案.该检测方案由数据预处理阶段和攻击检测阶段组成,在数据预处理阶段,研究了正常数据包与攻击包的区别,分别从TCP、UDP以及IP数据包包头信息提取出较高维的统计特征,根据随机森林计算的特征重要性因子,保留了前22个特征用于流量检测.22个统计特征通过概率图模型的隐马尔科夫算法进行聚类,然后将聚类结果通过检测阶段的深度神经网络对网络数据进行进一步的检测.在CICDoS数据集上进行验证性实验,结果表明,该检测方法的准确率最高可达99.35％,最低检测误报率和漏警率分别可达0.51％和0.12％.