DDOS攻击检测集成框架

检测精度98.45%

结合支持向量机与卷积神经网络-门控循环单元的集成模型，经黏菌算法优化，实现对物联网恶意流量的高效检测。

Ahmad, Ijaz · 万中 · Ashfaq, Ahmad

Internet of Things (Netherlands) 2023

参数信息

检测精度（SVM）

98.45 %

检测精度（CNN-GRU）

94.84 %

技术优势

检测精度高

SVM和CNN-GRU集成模型经SMA调优后，在KDD数据集上达到了98.45%的准确率。

检测速度更快

实验结果表明，所提模型检测DDoS攻击所需时间少于当前解决方案。

集成双模型

结合SVM和CNN-GRU两种分类技术，利用集成学习提升检测能力。

应用场景

• 物联网安全防护：保护物联网设备免受DDoS攻击，保障网络边界安全。
• 网络入侵检测：在早期阶段识别网络入侵，弥补传统检测方法的不足。
• 恶意流量识别：从海量网络流量中识别恶意数据，提升检测效率。