.png){kind=icon}
返回
A Machine Learning-Based Automated DDoS Malware Attack Detection Scheme
.png){kind=icon}
PRE
AI
DOI：10.1007/s40009-026-02133-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在当前时代，网络环境对人类生存至关重要，但易受DDoS、网络钓鱼、勒索软件和SQL注入等多重威胁，危及个人和组织。DDoS攻击通过大量流量淹没网络来破坏服务，需要强大的检测方法。尽管已有大量研究利用机器学习（ML）进行攻击检测，但最优特征和技术尚未确定。本文采用包括人工神经网络、决策表、朴素贝叶斯、支持向量机和集成装袋在内的机器学习方法，以识别和评估新颖的DDoS检测特征。使用CICDDoS2019、UNSW-NB15、NSL-KDD和SDN等数据集，所提出的模型分别实现了96.13%、99.63%和99.77%的准确率。
Keyword:
Distributed denial of service attack
Machine learning
CICDDoS2019
NSL-KDD
UNSW-NB15
SDN dataset
期刊
N
IF:
1.3
论文数:
487
被引数:
1.1K
机构
引用论文
Enhanced IoT Security for DDOS Attack Detection: Split Attention-Based ResNeXt-GRU Ensembler Approach用于DDOS攻击检测的增强的IoT安全性: 基于分离注意力的ResNeXt-GRU集成方法.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏DDoS Detection and Traceback with Decision Tree and Grey Relational Analysis基于决策树和灰色关联分析的DDoS检测与溯源
OAAI
OAAI分享收藏Fast and Reliable DDoS Detection using Dimensionality Reduction and Machine Learning利用降维和机器学习实现快速可靠的DDoS检测
PREAI
分享收藏An SVM Based DDoS Attack Detection Method for Ryu SDN ControllerProceedings of the 15th International Conference on emerging Networking EXperiments and Technologies
Proceedings of the 15th International Conference on emerging Networking EXperiments and TechnologiesIF0
PREAI
分享收藏Detecting DDoS Attacks in Software-Defined Networks Through Feature Selection Methods and Machine Learning ModelsSUSTAINABILITYOAAI
SUSTAINABILITYIF3.3
OAAI分享收藏SOFT COMPUTING BASED AUTONOMOUS LOW RATE DDOS
ATTACK DETECTION AND SECURITY FOR CLOUD COMPUTING基于软计算的自适应低速率DDoS攻击检测与云计算安全OAAI
OAAI分享收藏
查看更多内容