基于深度学习与开集识别技术的对抗式DDoS攻击检测技术.pdfVIP

AI赋能安全吴志祥，刘莉丹，高博

AIEmpoweredSecurity基于深度学习与开集识别技术的对抗式DDoS攻击检测技术

基于深度学习与开集识别技术的

对抗式DDoS攻击检测技术

AdversarialDDoSAttackDetectionBasedon

DeepLearningandOpenSetRecognitionTechniques

吴志祥，刘莉丹，高博（中国联通黑龙江分公司，黑龙江哈尔滨150001）

WuZhixiang，LiuLidan，GaoBo（ChinaUnicomHeilongjiangBranch，Haerbin150001，China）

摘要：关键词：

网络已成为现代生活不可或缺的一部分，但也面临着诸多的安全风险，特别是DDoS；AI；开放集识别；CNN-Geo；CycleGAN；

分布式拒绝服务（DDoS）攻击。利用人工智能（AI）技术可应对DDoS攻击带来增量学习

的挑战。基于CNN-Geo和CycleGAN技术，提出一种包含一个增量学习模块doi：10.12045/j.issn.1007-3043.2024.08.004

的防御模型，该增量学习模块能够训练未知流量并不断提高模型的防御能力。文章编号：1007-3043（2024）08-0018-06

该模型可以识别偏离学习分布的未知攻击，评估结果表明其准确度超过中图分类号：TP181

98.16%，增强了对现实场景中不断演变的DDoS攻击策略的检测和防御能力。文献标识码：A

开放科学（资源服务）标识码（OSID）：

Abstract：

TheInternethasbecomeanintegralpartofmodernlife，butitalsofacesmanysecurityrisks，especiallyDistributedDenialof

Service（DDoS）attacks.Theuseofartificialintelligence(AI)technologycanaddressthechallengesposedbyDDoSattacks.It

proposesadefensemodelbasedonCNN-GeoandCycleGANtechniques，whichincludesanincrementallearningmodule

thatisabletotrainunknowntrafficandcontinuouslyimprovethemodelsdefensecapability.Thismodelcanidentifyunknown

attacksthatdeviatefromthelearningdistribution，andtheevaluatedresultsshowthatitsaccuracyismorethan98.16%，

whichenhancestheabilitytodetectanddefendagainsttheevolvingDDoSattackstrategiesinrealscenarios.

Keywords：

DDoS；AI；Opensetrecognition（OSR）；CNN-Geo；CycleGAN；Incrementallearning

引用格式：吴志祥，刘莉丹，高博.基于深度学习与开集识别技术的对抗式DDoS攻击检测技术［J］.邮电设计技术，2024（8）：18-23.

［1］

数据中心关闭，后果非常严重。传统的防御机制存

1概述

在对DDoS攻击误判率高的问题，而且需要大量人力，