<tbody id="b4vui"></tbody> 網絡安全一直是互聯網研究的焦點。LDoS攻擊是一種智能型DoS攻擊，它通過定期發送高速但短脈沖的攻擊流量來降低網絡服務質量?，F有的LDoS攻擊檢測方法普遍存在FPR和FNR較高的問題。
為了解決這些問題，魏石領導的一個研究小組于2022年4月2日在《計算機科學前沿》上發表了他們的新研究。
該團隊提出了一種基于云模型的LDoS攻擊檢測方法，使用基于SVM的分類器對特征參數進行訓練和分類。該檢測方法在NS2仿真平臺和試驗臺網絡環境下進行了驗證和測試。與現有的研究結果相比，該方法所需樣本較少，FPR和FNR較低。
在研究中，他們分析了LDoS攻擊導致的網絡流量異常變化，并使用云模型比較了網絡正常狀態和LDoS攻擊狀態之間的差異。為了更準確地判斷網絡是否受到LDoS攻擊，他們使用云模型獲取兩種狀態下的特征參數，然后使用基于支持向量機（SVM）的LDoS攻擊檢測分類器對獲取的特征參數進行訓練和分類，檢測網絡上是否存在LDoS攻擊。
首先，使用云模型分析網絡流量。反向云生成算法分析瓶頸鏈路中的網絡流量，獲取云模型的特征值，分析特征值在LDoS攻擊下的變化，然后利用具有“小樣本”學習能力的SVM建立LDoS攻擊檢測分類器，判斷是否發生LDoS攻擊。實驗數據表明，與現有的研究方法相比，該方法所需數據樣本較少，具有精度高、FNR低、FPR值低的特點。
<tbody id="b4vui"></tbody>