文献

J-GLOBAL ID：201802272635141488   整理番号：18A1736511

SDNにおける深さ学習混合モデルに基づくDDoS攻撃検出と防御【JST・京大機械翻訳】

DDoS attack detection and defense based on hybrid deep learning model in SDN

著者 (5件)： Li Chuanhuang (浙江工商大学信息与電子工程学院,浙江杭州,310018) ,  Wu Yan (浙江工商大学信息与電子工程学院,浙江杭州,310018) ,  Qian Zhengzhe (浙江工商大学信息与電子工程学院,浙江杭州,310018) ,  Sun Zhengjun (浙江工商大学信息与電子工程学院,浙江杭州,310018) ,  Wang Weiming (浙江工商大学信息与電子工程学院,浙江杭州,310018)
資料名： Tongxin Xuebao  (Tongxin Xuebao)
巻： 39  号： 7  ページ： 176-187  発行年： 2018年 
JST資料番号： W1463A  ISSN： 1000-436X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ソフトウェア定義ネットワーク(SDN,softwaredefinednetwork)は新しいネットワークアーキテクチャであり、その安全問題はSDN領域研究の注目点であり、例えばSDN制御チャネルの安全性、例えば、セキュリティの問題の研究の焦点である。偽造サービス配置と外部分散拒否サービス(DDoS,distributeddenialofservice)攻撃など。SDNセキュリティにおける外部DDoS攻撃問題の研究のために,この論文は,DCNN-DSAEという名の深い学習混合モデルに基づくDDoS攻撃検出の方式を提示するものである。深さ学習モデルを構築するとき,入力特性は,データ平面から抽出された21の異なったタイプのフィールドを除いて,同時に,フローパターンの5つの追加的フローシートの特徴を,同時に設計した。実験結果は,この方法がより高い精度を持ち,従来のサポートベクトルマシンや深さニューラルネットワークなどの機械学習法よりも優れており,同時に,分類検出の処理時間を短縮できることを示した。この検出モデルを制御装置に配置し,検出結果を利用して新しいセキュリティ戦略を生成し,OpenFlow交換機にダウンロードし,特定DDoS攻撃に対する防御を実現した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *モデル ,  ネットワークアーキテクチャ ,  *学習 ,  流れ図 ,  サポートベクトルマシン ,  交換機 ,  制御装置 ,  安全性 ,  ニューラルネットワーク ,  機械学習 ,  加工時間 ,  セキュリティ ,  *サイバー攻撃
準シソーラス用語： 改竄 ,  *DDoS攻撃 ,  *混合モデル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： SDN ,  学習 ,  混合モデル ,  DDoS攻撃 ,  防御