WEB DDoS Attack Detection Method Based on Semisupervised Learning

doi:10.1155/2021/9534016

WEB DDoS Attack Detection Method Based on Semisupervised Learning

2021-11-29

0

OA

AI

DOI：10.1155/2021/9534016

原文链接

原文求助

摘要

En 中文

由于互联网上的服务日益丰富，各行各业与互联网息息相关。与此同时，互联网的WEB攻击从未停止。相对于其他常见的WEB攻击，WEB DDoS（分布式拒绝服务）攻击将在短时间内对目标网络或系统资源的可用性造成严重损害。目前，大多数研究都围绕机器学习相关的DDoS攻击检测算法展开。根据以往研究，无监督方法通常具有较高的误报率，而有监督方法无法处理大量网络流量数据，且性能常受噪声和不相关数据的限制。因此，本文提出了一种结合谱聚类和随机森林的半监督学习检测模型，用于检测WEB应用层DDoS攻击，并将其与现有其他检测方案进行比较，以验证本文提出的半监督学习模型。在确保低误报率的同时，检测率有所提升，更适合用于WEB应用层DDoS攻击检测。

WEB DDoS Attack Detection Method Based on Semisupervised Learning

摘要

期刊

机构

引用论文