基于RF-SVM的应用层DDoS攻击检测方法

• 全文链接
• 请求原文

作   者：

戴俭;  唐勇;  张婷婷;  李云天;  许云飞;  张卫丰; 

作者机构：

炫彩互动网络科技有限公司;  南京邮电大学计算机学院;  中国银行信息科技运营中心(上海); 

关键词：

随机森林;  支持向量机模型;  特征重要性评估;  分布式拒绝服务; 

期刊名称：

软件导刊

i s s n：

年卷期：

2023 年 003 期

页   码：

62-67

摘   要：

目前对于应用层DDoS攻击的检测已经取得一定进展，但这类方法往往只能针对一种或几种特定类型的攻击，无法适应应用层中复杂多变的混合攻击。针对应用层DDoS攻击检测方法存在的不足，提出一种基于RF-SVM模型的应用层DDoS攻击检测方法。首先通过随机森林特征重要性算法评估混合攻击下具体特征的重要性，再根据FDRCA算法进行特征降维，最后通过SVM分类器进行分类。经过实验验证，RF-SVM模型能够适应应用层中复杂多变的混合攻击，通过与BP算法、单一SVM算法和HsMM算法比较，能够验证RF-SVM模型拥有较高的检测率和较好的混合攻击适应性。