基于多核学习的自适应DDoS攻击检测方法

• 作 者: 张晨 唐湘滟 程杰仁 董哲 李俊麒
• 机 构: 海南大学计算机与网络空间安全学院,海南大学海南省Internet信息检索重点实验室,海南大学南海海洋资源利用国家重点实验室
• 出 处: 计算机工程与科学
• 发表日期: 2019年8期
• 关键词: 多核学习 DDOS攻击 自适应 集成学习 multiple-kernel learningDDoS attackself-adaptionensemble le
• 基金项目: 国家自然科学基金(61762033,61702539),海南省自然科学基金(617048,2018CXTD333),湖南省自然科学基金(2018JJ3611),浙江省公益技术应用社会发展项目(LGF18F020019),海南大学博士启动基金(kyqd1328),海南大学青年基金(qnjj14444),南海海洋资源利用国家重点实验室资助.

分布式拒绝服务DDoS攻击是互联网安全的主要威胁之一。当前大多数检测方法采用单一特征,在大数据环境下不能有效地检测DDoS早期攻击。提出了一种基于多核学习的特征自适应DDoS攻击检测方法FADADM,根据DDoS攻击流量的突发性、地址的分布性以及通信双方的交互性定义了5个特征。基于集成学习框架,分别提出采用增大同类方差与异类均值差的比值IS/M和减少同类方差与异类均值差的比值RS/M的方式自适应地调整各特征值的权重,基于简单多核学习SimpleMKL模型训练出IS/M-SimpleMKL和RS/M-Sim