首页> 中文会议>2018年全国理论计算机科学学术年会 >基于组合相关度的随机森林DDoS攻击检测方法

基于组合相关度的随机森林DDoS攻击检测方法

摘要

针对大数据环境下分布式拒绝服务(DDoS)攻击检测方法存在误报率、漏报率高的问题,本文提出了一种基于组合相关度的随机森林(Random Forest,RF)DDoS攻击检测方法.根据攻击流的非对称性和半交互性定义网络流组合相关度(Combination Correlation Degree,CCD),该相关度以地址相关统计(Address Correlation Statistics,ACS)特征以及单向流半交互度(Unidirectional Flow Semi Interaction,UFSI)二元组来描述网络流的特点.然后提出基于CCD特征序列的遗传算法对RF中决策树的最大数量和最大深度两个关键参数进行优化,对参数优化的RF模型进行训练以生成分类模型来检测攻击.实验结果表明,与同类方法相比,该方法具有较高的准确率、较低的误报率和漏报率,较好的鲁棒性,适用于大数据下检测DDoS攻击.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号