典型文献
基于投票ELM和黑洞优化的云计算DDoS攻击检测
文献摘要：
为了解决分布式拒绝服务(Distributed Denial of Service,DDoS)攻击使云计算的最终用户无法访问云服务的问题,该文提出一种基于投票极限学习机(Voting Extreme Learning Machine,V-ELM)和黑洞优化的云计算DDoS攻击检测算法.该算法采用V-ELM作为分类器进行系统设计,使用多个极端学习机器同时检测攻击.使用数据包分析器捕获网络流量生成供分类器使用的样本,然后使用黑洞优化训练V-ELM中的所有ELM,在攻击检测过程中将样本应用于每个ELM并计算输出,最后在多数投票的基础上合并得到最终输出.实验结果表明:该文提出的算法在网络安全实验知识发现与数据挖掘(Network Security Lab Knowledge Discovery and Data Mining,NSL KDD)数据集和KDD分布式拒绝服务(KDD Distributed Denial of Service,KDD DDoS)数据集上的准确性、 灵敏度和特异性均优于所对比的方法.
文献关键词：
云计算;投票极限学习机;分布式拒绝服务攻击;黑洞优化
中图分类号：
作者姓名：
王飞雪;戴蓉
作者机构：
重庆人文科技学院计算机工程学院,重庆合川 401524;中国民用航空飞行学院计算机学院,四川广汉 618307
文献出处：
引用格式：
[1]王飞雪;戴蓉-.基于投票ELM和黑洞优化的云计算DDoS攻击检测)[J].西南大学学报（自然科学版）,2022(08):205-215
A类：
黑洞优化,投票极限学习机
B类：
ELM,DDoS,攻击检测,Distributed,Denial,Service,最终用户,无法访问,云服务,Voting,Extreme,Learning,Machine,检测算法,分类器,极端学习机,同时检测,使用数据,数据包分析,分析器,网络流量,检测过程,过程中将,多数投票,知识发现,Network,Security,Lab,Knowledge,Discovery,Data,Mining,NSL,KDD,分布式拒绝服务攻击
AB值：
0.33062
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
