文献类型：期刊文章

作　　者：王飞雪[1] 戴蓉[2]

WANG Feixue;DAI Rong(School of Computer Engineering,Chongqing College of Humanities,Science and Technology,Hechuan Chongqing 401524,China;School of Computer Science,Civil Aviation Flight University of China,Guanghan Sichuan 618307,China)

机构地区：[1]重庆人文科技学院计算机工程学院,重庆合川401524 [2]中国民用航空飞行学院计算机学院,四川广汉618307

出　　处：《西南大学学报（自然科学版）》

基　　金：民航飞行技术与飞行安全重点实验室项目(FZ2020ZZ02);国家自然科学基金民航联合基金项目(U2033213);国家重点实验室项目(HTL-0-19K01).

年　　份：2022

卷　　号：44

期　　号：8

起止页码：205-215

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：为了解决分布式拒绝服务(Distributed Denial of Service,DDoS)攻击使云计算的最终用户无法访问云服务的问题,该文提出一种基于投票极限学习机(Voting Extreme Learning Machine,V-ELM)和黑洞优化的云计算DDoS攻击检测算法.该算法采用V-ELM作为分类器进行系统设计,使用多个极端学习机器同时检测攻击.使用数据包分析器捕获网络流量生成供分类器使用的样本,然后使用黑洞优化训练V-ELM中的所有ELM,在攻击检测过程中将样本应用于每个ELM并计算输出,最后在多数投票的基础上合并得到最终输出.实验结果表明:该文提出的算法在网络安全实验知识发现与数据挖掘(Network Security Lab Knowledge Discovery and Data Mining,NSL KDD)数据集和KDD分布式拒绝服务(KDD Distributed Denial of Service,KDD DDoS)数据集上的准确性、灵敏度和特异性均优于所对比的方法.

关 键 词：云计算 投票极限学习机  分布式拒绝服务攻击 黑洞优化  

分 类 号：TP391]