| 基于LSTM流量预测的DDoS攻击检测方法 |
| |
| 引用本文： | 程杰仁,罗逸涵,唐湘滟,欧明望. 基于LSTM流量预测的DDoS攻击检测方法[J]. 华中科技大学学报(自然科学版), 2019, 47(4): 32-36 |
| |
| 作者姓名： | 程杰仁 罗逸涵 唐湘滟 欧明望 |
| |
| 作者单位： | 海南大学信息科学技术学院,海南海口570228;海南大学南海海洋资源利用国家重点实验室,海南海口570228;海南大学信息科学技术学院,海南海口,570228 |
| |
| 基金项目： | 海南省自然科学基金;海南省自然科学基金;国家自然科学基金;国家自然科学基金;湖南省自然科学基金;浙江省公益技术应用社会发展资助项目;海南大学博士启动基金;海南大学青年项目;南海海洋资源利用国家重点实验室资助项目 |
| |
| 摘 要： | 提出一种基于长短时记忆(LSTM)神经网络流量预测的分布式拒绝服务(DDoS)攻击检测方法.首先定义了IP数据包统计特征(IPDCF)来表征网络流特征,然后采用LSTM神经网络模型对IPDCF时间序列进行建模,且使用网格搜索和超参数最优法确定Dropout的值以缓解该模型的过拟合现象,最后建立基于IPDCF时间序列的LSTM模型来识别DDoS攻击.实验结果表明:该模型能够准确地预测正常网络流量变化趋势,识别DDoS攻击引起的异常;与同类方法相比,该方法能较早地检测DDoS攻击且漏报率和误报率更低.
|
| 关 键 词： | 分布式拒绝服务攻击 长短时记忆 神经网络 流量预测 攻击检测 |
DDoS attack detection method based on LSTM traffic prediction |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
