基于优化的堆叠集成区块链DDoS攻击检测方法

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：王春东;;郑泽霖;

单位：1. 天津理工大学 计算机科学与工程学院,天津 300384;2. 天津公安警官职业学院,天津 300382;3. 计算机病毒防治技术国家工程实验室,天津 300384

摘要：分布式拒绝服务(Distribute Denial of Service,DDoS)攻击是常见的网络攻击手段之一,对于影响力日益增长的区块链网络构成了较大的威胁。 包含堆叠法(Stacking)在内的集成学习模型在 DDoS 攻击检测方面有很大前景,而 Stacking 在面对不同类型数据集时需要调整学习器组合。 该文使用 Stacking 方法检测区块链 DDoS 攻击,利用贝叶斯优化确定各学习器超参数,同时还使用算术优化算法(Arithmetic Optimization Algorithm,AOA)选择基学习器的组合,来解决需要手动调节学习器的问题。 在区块链网络攻击流量数据集和比特币交易所交易数据上分别进行了实验,通过准确率、攻击数据漏报率和宏平均精准率三种评价指标进行对比,该方法在这两种不同类型数据集上的性能均优于其他三种常见的集成学习算法。 还通过改变实验数据集大小探究出攻击检测性能会随着数据集的增大而上升。 通过实验可以证明该方法可以有效检测不同类型数据集上的区块链 DDoS 攻击。

关键词：网络空间安全;区块链;DDoS攻击检测;集成学习;堆叠;算术优化算法