A robust federated learning and deep learning based cyberattack detection algorithm

doi:10.1038/s41598-026-66336-0

A robust federated learning and deep learning based cyberattack detection algorithm

2026-09-07

0

OA

AI

M

Mehmet Akif Alper *

DOI：10.1038/s41598-026-66336-0

原文链接

原文求助

摘要

En 中文

分布式拒绝服务（DDoS）攻击对现代网络基础设施构成了快速增长威胁，促使开发大量旨在减轻其不利影响的检测技术。尽管机器学习（ML）和深度学习（DL）方法在识别此类攻击方面已显示出显著有效性，但它们通常存在高计算复杂度和次优的效率-精度权衡问题。传统的基于集中式ML的入侵检测系统需要网络流量数据聚合，存在数据隐私和可扩展性问题。在此背景下，本研究提出了一种新颖且具体的基于DL的框架，该框架在提高检测性能的同时，显著降低了本地设备的计算开销，用于DDoS攻击检测。所提出的算法使用CIC-DDoS2019数据集进行了测试。基于公开数据集的结果，我们提出的算法展示了改进的检测架构。

A robust federated learning and deep learning based cyberattack detection algorithm

摘要

期刊

机构

引用论文