应用层分布式拒绝服务检测研究：方法、模型与数据集

《ARTIFICIAL INTELLIGENCE REVIEW》：A Survey of Application Layer Distributed Denial of Service Detection: Approaches, Models, and Datasets

　　

摘要

应用层分布式拒绝服务攻击对在线服务构成了日益严重的威胁，因为这类攻击能够模仿正常用户行为，同时使服务器资源超载。本综述梳理了2018年以来发表的47项相关研究，系统全面地介绍了各类应用层分布式拒绝服务攻击，包括高频率攻击、低频率攻击以及突发性攻击，并阐述了针对每种攻击类型的检测方法。研究结果显示，基于机器学习的检测技术使用率正在上升，占比达31％，紧随其后的是混合方法（28.6％）和深度学习方法（28.6％）。相比之下，基于规则的技术使用率则在下降，在所分析的研究中仅占11.9％。此外，该综述还指出，由加拿大网络安全研究所开发的CICIDS2017和CICIDS2019数据集是最常用的数据集，还有一些为特定研究场景设计的定制数据集。同时，综述还明确了用于区分正常流量、攻击流量以及突发性攻击的重要特征，分析了特征选择策略，并指出了未来的研究方向。通过整理现有的DDoS威胁相关知识，本综述旨在帮助研究人员和网络安全专家开发出更有效、更具适应性的防御机制，以应对不断变化的攻击手段。