-
题名基于机器学习的5G通信网络低速率DDoS攻击检测
- 1
-
-
作者
刘江
何文金
陈彪
章皓然
-
机构
安徽继远软件有限公司
-
出处
《电子设计工程》
2025年第23期161-166,共6页
-
文摘
5G通信网络低速率DDoS攻击检测多采用D-S证据理论,但该方法忽略了动态流量尺度因子的影响,导致检测准确性较低。为此,提出基于机器学习的5G通信网络低速率DDoS攻击检测方法。根据DDoS攻击原理与过程,建立DDoS多级参考模型,通过将动态流量存储在模型的滑动窗口中以更新流量信息矩阵,并采用步数阈值函数求取流量的尺度因子,从而提取DDoS攻击特征。参照检测协议与指令,结合黑洞优化算法识别流量的异常波段,以此为依据,利用机器学习算法计算流量阈值,并根据其与设定阈值的比较结果,检测出DDoS攻击流量。对比实验结果验证了所提方法的可行性,表明设计的方法具有较高的检测准确性,检测性能更优。
-
关键词
机器学习
5G通信网络
低速率DDoS攻击
攻击检测
-
Keywords
machine learning
5G communication networks
low rate DDoS attacks
attack detection
-
分类号
TN49.2
[电子电信]
-
