.png){kind=icon}
返回
A Stacking-Based Ensemble Model for Multiclass DDoS Detection Using Shallow and Deep Machine Learning Algorithms
.png){kind=icon}
OA
AI
DOI：10.3390/app16020578.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分布式拒绝服务（DDoS）攻击仍然是现代网络系统稳定性和可靠性的重大威胁。本研究提出了一种分层堆叠集成方法，整合多种浅层机器学习（S-ML）和深度机器学习（D-ML）算法进行多类别DDoS检测。所提出的架构包含三层：第零层（基学习器）、第一层（元学习器）和第二层（最终投票）。基层结合了异构的S-ML和D-ML模型、基于树和基于核的模型以及神经网络架构，而元层采用基于从基层预测中提取的元特征进行训练的回归和神经网络模型。最终决策通过聚合元模型输出的投票机制确定。使用具有九类配置的CIC-DDoS2019数据集，该模型在准确率达到91.26%的同时，在大多数攻击类别上的宏F1分数均超过0.90。与许多在二元或简化类别设置下报告近乎完美性能的先前工作不同，我们的评估针对大规模流量（类似8.85 M数据流）和广阔特征空间下的更苛刻多类别场景。结果表明，该集成方法在多类别检测方面提供了有竞争力的性能，并在异构攻击类型中表现出一致的行为，支持其适用于高容量网络监控环境。
Keyword:
Distributed Denial of Service (DDoS)
multiclass classification
stacking ensemble
Shallow Machine Learning (S-ML)
Deep Machine Learning (D-ML)
hybrid models
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
One-to-many image generation model based on parameterized quantum circuits基于参数化量子电路的一对多图像生成模型.png)
IF0
PREAI
分享收藏Improvement of Distributed Denial of Service Attack Detection through Machine Learning and Data Processing通过机器学习和数据处理改进分布式拒绝服务攻击检测MathematicsOAAI
MathematicsIF0
OAAI分享收藏A Multi-Class Intrusion Detection System for DDoS Attacks in IoT Networks Using Deep Learning and TransformersWahab, S.A.; Sultana, S.; Tariq, N.; Mujahid, M.; Khan, J.A.; Mylonas, A. 一种基于深度学习和Transformer的物联网网络DDoS攻击多类入侵检测系统。Sensors 2025, 25, 4845. [Google Scholar] [CrossRef]Sensors
SensorsIF0
PREAI
分享收藏A Systematic Literature Review on Machine Learning and Deep Learning Approaches for Detecting DDoS Attacks in Software-Defined Networking关于在软件定义网络中检测DDoS攻击的机器学习和深度学习方法的系统文献综述SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Distributed denial-of-service (DDOS) attack detection using supervised machine learning algorithms基于监督机器学习算法的分布式拒绝服务（DDOS）攻击检测SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容