基于多尺度卷积神经网络的DDoS攻击检测方法

作     者：李春辉 王小英 张庆洁 刘翰卓 梁嘉烨 高宁康 LI Chun-hui;WANG Xiao-ying;ZHANG Qing-jie;LIU Han-zhuo;LIANG Jia-ye;GAO Ning-kang

作者机构：防灾科技学院河北廊坊065201 中国冶金地质总局矿产资源信息中心北京100025 

出 版 物：《电脑与电信》 (Computer & Telecommunication)

年 卷 期：2024年第6期

页      面：35-39页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0839[工学-网络空间安全] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省中央高校研究生科技创新基金项目“基于溯源图的APT攻击检测关键技术研究” 项目编号:ZY20240335 

主　　题：DDoS攻击 多尺度卷积神经网络 网络安全 深度学习 

摘      要：近年来,网络安全面临着日益严峻的挑战,其中分布式拒绝服务(DDoS)攻击是网络威胁中的一种常见形式。为了应对这一挑战,提出了一种基于多尺度卷积神经网络(MSCNN)的DDoS攻击检测方法。在CICDDoS2019day1数据集训练模型,CICDDoS2019day2数据集测试模型检测性能。通过利用MSCNN对网络流量进行预测和分类,能够有效识别DDoS攻击并减少误报率。实验表明,MSCNN方法在准确性、召回率、F1得分性能指标上优于SVM、DNN、CNN、LSTM和GRU。