Oct, 2023

数字孪生 - 智能自主核心网络的 DDoS 检测机制

PDF
TL;DR通过数字孪生技术和在线学习方法，该研究提出了一种智能分布式拒绝服务攻击检测机制，适用于互联网服务提供商（ISP）核心网络。研究实现了基于数字孪生的 DDoS 检测架构，并利用在线学习方法更新模型以实现准确预测。研究结果表明，所提出的解决方案能够在 DDoS 攻击开始后约 15 分钟内对攻击进行准确估计。
distributed denial of service attackddos detection mechanismdigital twinonline learning methodautonomous systems
发现论文，激发创造
  • 面向软件定义传感器网络的网络感知自动机器学习框架

    提出了一种网络感知的自动化机器学习框架，用于在软件定义的传感器网络中检测分布式拒绝服务攻击（DDoS）。该框架通过选择理想的机器学习算法，根据可变流量负载、异构流量速率和检测时间等指标，能够在网络受限环境中检测到 DDoS 攻击并避免过拟合。

    Oct, 2023

  • 工业网络的数字孪生本地化人工智能驱动服务架构

    互联需求的剧增导致物联网（IoT）传感器过量。为了满足大规模网络的管理需求，如准确的监测和学习能力，数字孪生是关键驱动因素。然而，由于物联网网络的连续连接要求，目前对数字孪生的实施尝试仍然不足。为了应对这些挑战，我们提出了一种数字孪生本地 AI 驱动的服务架构，以支持物联网网络概念。在提出的数字孪生本地架构中，我们实现了基于 TCP 的数据流水线和基于强化学习的学习模型。我们将该架构应用于物联网网络的一个广泛概念，即车联网。我们测量了我们提出的架构的效率，并注意到由于基于 TCP 的数据流水线而节约了约 30％的处理时间。此外，我们通过应用多种学习速率组合来测试学习模型的性能，并强调最成功的模型。

    Nov, 2023

  • 一种新的监督深度学习解决方案，用于使用卷积神经网络（CNN）在边缘系统上检测分布式拒绝服务（DDoS）攻击

    本研究提出了一种基于深度学习的新型分布式拒绝服务攻击检测方法，利用新不伦瑞克大学 DDoS 评估数据集中的实时 DDoS 攻击数据来构建一个更广泛和更适用于现实世界的模型。该模型通过提取数据流并将其归一化到一个固定长度，然后通过自定义架构进行二进制分类，利用卷积神经网络和常见的深度学习算法实现分类和减轻 DDoS 流量的技术。结果表明，该算法在网络流量中检测 DDoS 攻击方面表现出很高的准确性，针对 2000 个未见过的流量达到了 0.9883 的准确率，并且可在任何网络环境中扩展应用。

    Sep, 2023

  • 基于双空间原型网络的重新定义的 DDoS 攻击检测方法

    介绍了一种基于深度学习的新技术，用于检测分布式拒绝服务攻击，在各种攻击模式中通过几何和角度相似性度量改善检测准确性。使用离线训练、模拟在线训练和原型网络场景进行了全面评估，表明该模型在不同数据充裕和稀缺条件下具有稳健性。

    Jun, 2024

  • 使用神经网络检测 DDoS 攻击的方法 DDoSDet

    本研究提出使用神经网络检测 DDoS 攻击，区分恶意和合法数据流，从而防止网络性能下降。该系统精度高达 99.7％。

    Jan, 2022

  • 通过联邦学习增强物联网安全对抗 DDoS 攻击

    通过利用联邦学习技术，本研究提出了一种创新的策略来加强物联网网络对分布式拒绝服务攻击的安全性，实时检测并减轻攻击的影响，同时保护敏感数据的隐私。研究结果表明，在非独立非同分布数据集中，FedAvgM 的聚合算法优于 FedAvg，提供更好的稳定性和性能。

    Mar, 2024

  • 使用 ResNet 检测 IoT DoS 和 DDoS 攻击

    提出了一种将网络流量数据转换为图像并利用卷积神经网络（CNN）对恶意攻击进行监测的方法，其具有 99.99％的检测精度和 87％的平均精度，可用于 Internet of Things（IoT）设备的安全保障。

    Dec, 2020

  • 基于 FPGA 的汽车控制器区域网络零日入侵实时检测系统

    使用无监督学习的卷积自编码器架构进行零日攻击检测，通过在仅有良性（无攻击）CAN 消息上训练模型，成功实现对未知攻击类型的高准确率分类，并且能够在高速 CAN 网络上实现线速检测，适用于关键 CAN 网络的零日攻击检测。

    Jan, 2024

  • 轻量级入侵检测的去中心化在线联邦 G 网络学习

    本研究提出了一种新颖的分散和联合学习入侵检测体系结构（DOF-ID），该体系结构利用机器学习技术，不需要公开其他系统的数据集即可学习，通过 DOF-ID 的平均评估结果表明，DOF-ID 可以同时显著提高所有协作节点的入侵检测性能。

    Jun, 2023

  • 注意力与无人机的结合：低成本无人机中 DDoS 检测的全面评估

    探索低成本、基于 Wi-Fi 的无人机系统对抗分布式拒绝服务攻击的关键问题，研究了三种 DDoS 攻击变种，利用机器学习和时间序列转换等算法开发了伴随计算机上运行的检测机制，发现时间序列转换是最高效的模型，具有 0.1 秒的运行时间和在不同分类指标下的优越性能。同时，提出了构建无人机 DDoS 检测机制的必要步骤，并改进了时间序列转换的学习位置嵌入以提高 DDoS 检测性能。

    Jun, 2024