基于人工智能的物聯(lián)網(wǎng)DDoS攻擊檢測(cè)

摘要： 針對(duì)物聯(lián)網(wǎng)DDoS攻擊檢測(cè)最優(yōu)解問(wèn)題,文章采用多種算法對(duì)物聯(lián)網(wǎng)DDoS攻擊進(jìn)行檢測(cè)和建模分類,運(yùn)用核密度估計(jì)篩選出有影響的流量特征字段,建立基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的DDoS攻擊檢測(cè)模型,分析了通過(guò)可逆殘差神經(jīng)網(wǎng)絡(luò)和大語(yǔ)言模型處理數(shù)據(jù)集并進(jìn)行攻擊檢測(cè)的可行性。實(shí)驗(yàn)結(jié)果表明,ResNet50算法在綜合指標(biāo)上表現(xiàn)最好；在區(qū)分DDoS攻擊流量和其他流量問(wèn)題上,梯度提升類算法表現(xiàn)更優(yōu)... （共9頁(yè)）