0 引言 1 研究方法 2 基于DWT和AKD的DDoS攻击检测 3 实验 4 结论 参考文献
DOI:
作者:
作者单位:

贵州大学计算机科学与技术学院

作者简介:

通讯作者:

中图分类号:

TP393

基金项目:

国家自然科学基金项目(面上项目,重点项目,重大项目)


Research on DDoS attack detection method with DWT and AKD Auto-encoder
Author:
Affiliation:

College of Computer Science and Technology, Guizhou University

Fund Project:

The National Natural Science Foundation of China (General Program, Key Program, Major Research Plan)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对DDoS(Distributed denial of service)网络流量攻击检测效率低及误报率高的问题,本文提出了一种基于离散小波变换(Discrete Wavelet Transform DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation AKD)自编码器神经网络的DDoS攻击检测方法。该方法利用离散小波变换提取频率特征,由自动编码器神经网络进行特征编码并实现分类,通过自适应知识蒸馏压缩模型,以实现高效检测DDoS攻击流量。研究结果表明,该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率,并且具有较低的误报率。

    Abstract:

    For the problem of low efficiency and high false alarm rate of DDoS (Distributed denial of service) network traffic attack detection, this paper proposes a DDoS attack detection method based on Discrete Wavelet Transform DWT and Adaptive Knowledge Distillation AKD. Distillation AKD) self-encoder neural network based DDoS attack detection method. The method uses discrete wavelet transform to extract frequency features, the auto-encoder neural network to encode and classify the features, and the adaptive knowledge distillation to compress the model in order to achieve efficient detection of DDoS attack traffic. The research results show that the method has high detection efficiency for proxy server attacks, database vulnerabilities and TCP flood attacks, UDP flood attacks, and has a low false alarm rate.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2022-09-19
  • 最后修改日期:2022-10-13
  • 录用日期:2022-11-09
  • 在线发布日期:
  • 出版日期:

地址:江苏南京,宁六路219号,南京信息工程大学    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2022 版权所有  技术支持:北京勤云科技发展有限公司