基于LSTM-SVM的SDN环境DDoS攻击检测  

作　　者：张思缘 刘建华 朱子豪 潘梦双 应贤儿 郭秉昊 

机构地区：[1]绍兴文理学院,浙江312000

出　　处：《网络安全技术与应用》2025年第3期39-44,共6页Network Security Technology & Application

基　　金：国家级大学生创新训练项目计划;浙江省新苗计划项目;绍兴文理学院校级学生科研课题。

摘　　要：随着软件定义网络(SDN)的广泛应用,网络安全面临着新的挑战,其中包括对基于SDN环境下的DDoS(分布式拒绝服务)攻击的检测和应对。为了解决这一问题,本研究提出了一种利用长短期记忆神经网络(LSTM)和支持向量机(SVM)相结合的模型来检测基于SDN环境下的DDoS攻击。通过结合LSTM和SVM,可以充分利用两者的优势,提高DDoS攻击检测的准确性和鲁棒性。LSTM-SVM模型具有较强的泛化能力,可以适应新出现的未知攻击类型。实验结果表明,LSTM-SVM模型能够有效地识别SDN环境下的DDoS攻击流量,并具有较高的检测准确率和召回率。因此,本研究所提出的LSTM-SVM模型为基于SDN环境下的DDoS攻击检测提供了一种有效的解决方案。

关 键 词：软件定义网络 分布式拒绝服务 支持向量机 循环神经网络 长短期记忆神经网络 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]