基于混合序列卷积神经网络与泰勒狼鸟优化的云环境DDoS攻击检测方法

《Scientific Reports》：Improving DDoS detection in cloud computing through deep learning and feature fusion with TWBO optimization

　　

摘要

分布式拒绝服务（DDoS）攻击被认为是拒绝服务（DoS）的一个子类，它加剧了云环境中攻击的严重性，并通过多次恶意尝试干扰网络的实际服务。DDoS 攻击是攻击的一般形式之一，会导致重大危害并负面影响云服务效率。因此，提出了混合序列卷积神经网络与泰勒狼鸟优化（SCNN-TWBO）。首先对云环境进行模拟，攻击者通过 DDoS 攻击阻止有效用户访问特定网络资源。在此，提取记录的日志文件并通过最大 - 最小归一化算法进行归一化。然后，通过斯皮尔曼等级相关系数（SRCC）和深度神经网络（DNN）融合特征。接下来，增强融合后的特征，并由 SCNN-TWBO 进行 DDoS 攻击检测。SCNN 通过 TWBO 进行训练，TWBO 是泰勒级数与狼鸟优化（WBO）的集成。卓越的解析结果记录于 BoT-IoT 数据集中，新开发的 SCNN-TWBO 在 90% 的学习数据上获得了 92.88% 的准确率，94.88% 的真阳性率（TPR）和 90.88% 的真阴性率（TNR）。