检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:姜舒颖 黄迎春[1] JIANG Shuying;HUANG Yingchun
机构地区:[1]沈阳理工大学信息科学与工程学院,辽宁沈阳110159
出 处:《信息技术与信息化》2024年第10期88-91,共4页Information Technology and Informatization
摘 要:如何高效检测出分布式拒绝服务(distributed denial of service,DDoS)攻击是目前互联网领域中存在的一个亟待解决的问题。在DDoS攻击检测领域,考虑到固有的复杂性,尤其是系统包含的网络节点间复杂的交互,为了捕捉和建模这些节点间的关系,提出了一种基于图注意力机制的图卷积神经网络(graph convolutional network,GCN)DDoS攻击检测模型。通过图注意力机制,模型能够自适应地为不同节点之间的关系分配重要性权重,从而更准确地识别出潜在的DDoS攻击行为。将DDoS攻击视为一个图结构,网络节点表示网络设备或主机,边表示节点之间的连接关系,能够从节点和边的特征中提取有用的信息,利用节点的邻居信息来推断节点特征,更好地捕捉DDoS攻击的上下文信息。实验结果证明,所设计的模型的精度极其出色,不仅提高了检测的准确性,还有助于人们更深入地理解DDoS攻击在网络中的传播和演变规律。
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.205