典型文献
一种基于RNN区分DDoS攻击类型的方法
文献摘要：
随着网络技术的广泛应用,出现了多种多样的网络攻击,其中,分布式拒绝服务(Distributed Denial of Service,DDoS)攻击的危害性较大.将12种DDoS攻击的数据与正常数据流混在一起后难以区分,因此防御DDoS攻击的关键是对其进行有效区分.文章提出一种基于RNN区分DDoS攻击类型的方法.以循环神经网络(Recurrent Neural Network,RNN)为研究改进对象,运用了模型的模块化研究方法和技术,抽象出3类简单模块组合形成RNN-IDDoS模型,该模型具有5层、3种时间步.在公开数据集上进行实验,实验结果表明该模型的准确率可达99.8％,优于当前其他3种模型,取得了很好的区分效果.
文献关键词：
DDoS攻击;类型区分;RNN
中图分类号：
作者姓名：
范明钰;李珂
作者机构：
电子科技大学计算机科学与工程学院,成都 611731;重庆大学土木工程学院,重庆 400044
文献出处：
引用格式：
[1]范明钰;李珂-.一种基于RNN区分DDoS攻击类型的方法)[J].信息网络安全,2022(07):1-8
A类：
IDDoS
B类：
RNN,多种多样,网络攻击,分布式拒绝服务,Distributed,Denial,Service,危害性,数据流,循环神经网络,Recurrent,Neural,Network,研究方法和技术,单模块,模块组合,时间步,公开数据集,类型区分
AB值：
0.380305
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。
