边缘计算环境下基于深度学习的DDos检测

来源：计算机测量与控制杂志2023年第7期北京时间：

作者：田婷,虞延坤,牛新征

单位：四川省公安科研中心;西南石油大学 计算机科学学院;电子科技大学 计算机科学与工程学院

摘要：边缘计算作为一种用于降低中心节点计算压力，更靠近终端设备和数据源头的新计算范式，满足了计算业务下沉的需求，也带来了安全问题；其中，对边缘计算安全威胁最大、造成过巨大经济损失和安全事故的当属分布式拒绝服务攻击（DDos）；边缘计算环境下由于算力受限、存储空间有限等原因，传统的防御手段难以应用；因此，提出了一种适用于边缘计算环境下的基于深度学习的轻量级DDos检测框架；采用CIC-DDos-2019数据集来模拟边缘计算环境下的遭受DDos攻击的网络流量，针对数据集进行了适应性强的预处理技术和相似性标签融合，运用SMOTE算法解决了数据集类别不平衡问题，采用一维卷积技术和BiLSTM技术搭建了模型并进行了模型剪枝，构建了一个轻量级模型。结果表明，其针对DDos攻击类别的八分类实验准确率达到了96.8%，二分类实验准确率达到了99.8%。

关键词：边缘计算;分布式拒绝服务攻击;深度学习;入侵检测;一维卷积;BiLSTM

基金资助：四川省科技计划项目(2021YFS0391)