摘要
DDoS攻击一直以来都是互联网安全的主要威胁之一.针对目前DDoS攻击检测精度较低和检测未知攻击能力不足等问题,提出了再分类深度神经网络的DDoS检测方法.首先,在高精度检测已知攻击的基础上提升检测未知攻击的能力,增强模型整体泛化能力.通过深度神经网络模型,高置信度检测出部分DDoS攻击.对于低置信度的输出,进一步通过再分类机制进行决策,以提高检测精度.其次,提出的再分类机制有较强的移植性,可以嫁接到不同的深度学习模型中,以适应不同环境下检测网络攻击的特殊性.通过在多个数据集实验表明:所提出的再分类深度神经网络模型在不同数据集上均表现良好,且在其他深度学习模型的基础上加入再分类决策机制后,检测性能均有不同程度提升,模型整体泛化能力显著增强.
基金项目
国家自然科学基金(61872226)
山西省自然科学基金计划资助项目(201701D121052)
NETL
NSTL
维普
万方数据