典型文献
SDN中基于ACO-BP神经网络的DDoS攻击检测方法
文献摘要：
SDN网络是一种新兴的控制与转发分离并可直接编程的网络架构,因为其数据控制分离的特点,DDoS攻击对SDN网络有着巨大的破坏力,所以研究SDN中DDoS攻击检测与防御,有利于SDN网络安全性的提高.为了对DDoS攻击进行有效检测,通过获取SDN网络中OpenFlow交换机的流表项,提取出与DDoS攻击相关的四个重要特征作为检测模型的输入特征,对BP神经网络进行训练,构建基于BP神经网络的DDoS攻击检测模型.针对BP神经网络在训练过程中隐藏层节点和层数选取盲目的问题,使用全局搜索能力好的蚁群算法进行优化.通过在SDN网络中的部署,实验证明该方法不仅误报率低,而且检测率和准确率比原始BP神经网络算法高,还能在攻击发生的初期阶段对攻击进行处理,减少攻击所带来的危害.
文献关键词：
网络安全;SDN网络;DDoS攻击;攻击检测;攻击防御;机器学习;蚁群算法;BP神经网络
中图分类号：
作者姓名：
缪祥华;方绍敏
作者机构：
昆明理工大学信息工程与自动化学院 云南昆明 650000;云南省计算机技术应用重点实验室 云南昆明 650000
文献出处：
引用格式：
[1]缪祥华;方绍敏-.SDN中基于ACO-BP神经网络的DDoS攻击检测方法)[J].数据通信,2022(04):42-46
A类：
B类：
SDN,ACO,DDoS,转发,网络架构,破坏力,攻击检测与防御,有效检测,OpenFlow,交换机,流表,表项,检测模型,输入特征,训练过程,中隐,隐藏层节点,层数,全局搜索,搜索能力,蚁群算法,误报率,检测率,神经网络算法,击发,初期阶段,对攻,攻击防御
AB值：
0.363737
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。
