使用机器学习和统计算法预测和防止DDoS攻击
摘要：使用机器学习和统计模型来检测分布式拒绝服务（DDoS）攻击，并提出一种预防DDoS攻击的方法。研究使用了逻辑回归、CNN、XGBoost、朴素贝叶斯、AdaBoostClassifier、KNN和随机森林机器学习算法进行DDoS攻击的检测。此外，还使用了三种方法对数据进行预处理，以确定最相关的特征。本文探讨了使用最新的名为CICDDoS2019的数据集来提高DDoS攻击检测准确性的问题，该数据集包含超过5000万条记录。由于我们在此研究中使用了大规模的数据集，因此我们的研究结果是可信且实用的。由于目标类别（攻击类别）存在不平衡问题，我们使用了两种处理不平衡数据的技术。在将SMOTE方法应用于目标类别后，XGBoost机器学习模型提供了最佳的（99.9999\%）检测准确性，优于最近开发的DDoS检测系统。据我们所知，没有其他研究使用了超过5000万条记录的最新数据集，同时涉及选择最重要特征的统计技术，并具有如此高的准确性，并提出了避免DDoS攻击的方法。
作者：Azadeh Golduzian
论文ID：2308.15674
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-08-31