面向边缘计算的TCA1C DDoS检测模型.pdfVIP

研究论文第50卷第1期/2024年1月/计算机工程

面向边缘计算的TCA1CDDoS检测模型

11∗23

申秀雨，姬伟峰，李映岐，吴玄

（1.空军工程大学信息与导航学院，陕西西安710077；2.93107部队，辽宁沈阳110000；3.94701部队，安徽安庆246000）

摘要：边缘计算弥补了传统云计算数据传输开销大的不足，但边缘网络中存储和计算资源受限的特殊性限制了

其部署复杂安全算法的能力，更易受到分布式拒绝服务（DDoS）攻击。针对目前边缘网络中DDoS攻击检测方法性

能不高、未对卸载任务分类处理、对多属性的流量处理能力弱的问题，提出一种基于任务分类的Attention-1D-CNN

DDoS检测模型TCA1C，对通信链路中的流量按不同的卸载任务进行分类，使单个任务受到攻击时不会影响整个

链路中计算任务卸载的安全性，再对同一任务下的流量提取属性值并进行归一化处理。处理后的数据输入到

Attention-1D-CNN，通道Attention和空间Attention学习数据特征对DDoS检测的贡献度，利用筛选函数剔除低于特

征阈值的冗余信息，降低模型学习过程的复杂度，使模型快速收敛。仿真结果表明：TCA1C模型在缩短DDoS检测

所用时间的情况下，检测准确率高达99.73%，检测性能优于DT、ELM、LSTM和CNN；当多个卸载任务在面临特定

攻击概率时，卸载任务分类能有效降低不同任务的相互影响，使终端设备的计算任务在卸载过程中保持较高的安

全性。

关键词：边缘计算；分布式拒绝服务攻击检测；任务分类；注意力机制；1D-CNN模块

中图分类号：TP393文献标志码：ADOI:10.19678/j.issn.1000-3428.0067572

TCA1CDDoSDetectionModelforEdgeComputing

11∗23

SHENXiuyu，JIWeifeng，LIYingqi，WUXuan

（1.InformationandNavigationSchool，AirForceEngineeringUniversity，Xian710077，Shaanxi，China；

2.Unit93107，Shenyang110000，Liaoning，China；3.Unit94701，Anqing246000，Anhui，China）

【Abstract】Edgecomputingcompensatesforthetraditionalcloudcomputingdatatransmissionoverhead.However，

limitedstorageandcomputingresourcesintheedgenetworkrestrictitsabilitytodeploycomplexsecurityalgorithms，

makingitmorevulnerabletoDistributedDenialofService（DDoS）attacks.Thispaperpropose