面向DDoS入侵检测的报文特征提取方法

发布时间：2021-06-01 21:26

　　机器学习算法是当前检测网络入侵的主要方法。然而,现有入侵检测方法提取攻击报文特征的维度较小,导致检测精度偏低。针对该问题,文章提出了面向DDoS入侵检测的报文特征提取方法（DDoS Message Feature Extraction,DMFE）。该方法在分析DDoS攻击过程的基础上,根据报文协议将DDoS攻击分为五类,并针对不同的类型提取其特征向量,增加了攻击报文特征的维度与表达能力,有利于提升入侵检测算法的精度。模拟实验结果表明,DMFE与现有的其他特征提取方法相比,能够有效地提高基于神经网络、K-近邻等入侵检测方法的精度。此外,DMFE受分类算法种类影响弱,可以适用于多种机器学习算法并取得了几乎相同的效率。 

【文章来源】：网络空间安全. 2020,11(03)

【文章页数】：6 页

【部分图文】：

算法检测测试为验证本文

本文通过不同算法及参数检验，以及与他人方法的对比，表明了DMFE方法的可靠性。基金项目：郑州大学大学生创新创业训练计划项目（项目编号：No.2019cxcy666）。参考文献[1]MITLincolnLaboratoryInf-ormationSystemsTechnology.MITLincolnLaboratory[EB/OL].http://www.ll.mit.edu/ideval/data/2000data.html.2000.[2]梅梦喆.SDN中基于多维条件熵的DDoS攻击检测与防护研究[D].南昌:南昌航空大学,2016.[3]孙正君.SDN中基于深度学习混合模型的DDoS攻击检测与防(a)神经网络算法比较测试表(b)KNN算法比较测试表(c)SVM支持向量机比较测试表图3性能比较测试

【参考文献】：
期刊论文
[1]An Active Defense Solution for ARP Spoofing in OpenFlow Network[J]. XIA Jing,CAI Zhiping,HU Gang,XU Ming.  Chinese Journal of Electronics. 2019(01)
[2]基于OpenFlow的SDN技术研究[J]. 左青云,陈鸣,赵广松,邢长友,张国敏,蒋培成.  软件学报. 2013(05)
[3]一种基于数据挖掘的DDoS攻击入侵检测系统[J]. 杨长春,倪彤光,薛恒新.  计算机工程. 2007(23)

硕士论文
[1]SDN中基于深度学习混合模型的DDOS攻击检测与防御技术研究[D]. 孙正君.浙江工商大学 2018
[2]SDN中基于多维条件熵的DDoS攻击检测与防护研究[D]. 梅梦喆.南昌航空大学 2016



本文编号：3210181