典型文献
基于简单统计特征的LDoS攻击检测方法
文献摘要：
传统的低速率拒绝服务(LDoS)攻击检测方法存在特征提取复杂、计算开销大、实验背景单一和攻击场景过时等问题,难以满足现实网络环境对LDoS攻击检测的需求.通过研究LDoS攻击原理,分析LDoS攻击流量的特征,提出一种基于网络流简单统计特征的LDoS攻击检测方法.根据网络流量数据包的简单统计特征构造检测数据序列,利用深度学习技术学习输入样本的时间关联性特征,并根据重构序列与原输入序列的差异进行LDoS攻击判定.实验结果表明,所提方法能够有效地检测出流量中的LDoS攻击流量,且对异构网络流量具有较强的适应性.
文献关键词：
统计特征;深度学习;低速率拒绝服务;攻击检测
中图分类号：
作者姓名：
段雪源;付钰;王坤;李彬
作者机构：
海军工程大学信息安全系,湖北武汉 430033;信阳师范学院计算机与信息技术学院,河南信阳 464000;信阳师范学院河南省教育大数据分析与应用重点实验室,河南信阳 464000;信阳职业技术学院数学与信息工程学院,河南信阳 464000
文献出处：
引用格式：
[1]段雪源;付钰;王坤;李彬-.基于简单统计特征的LDoS攻击检测方法)[J].通信学报,2022(11):53-64
A类：
LDoS,低速率拒绝服务
B类：
统计特征,攻击检测,存在特征,计算开销,网络环境,网络流量,流量数据,数据包,特征构造,检测数据,数据序列,深度学习技术,技术学习,时间关联,出流,异构网络
AB值：
0.215327
相似文献
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。
