Resumen

La Red de Definición de Software (SDN) puede mejorar el rendimiento de la red de comunicación de energía y satisfacer mejor la demanda de control de la Red Inteligente para su gestión centralizada. Desafortunadamente, el controlador SDN es vulnerable a muchos ataques potenciales en la red. La detección precisa de flujos anómalos es especialmente importante para la seguridad y la fiabilidad de la Red Inteligente. Trabajos anteriores fueron diseñados basados en métodos tradicionales de aprendizaje automático, como Máquina de Vectores de Soporte y Naive Bayes. Son simples y de aprendizaje de características superficial, con baja precisión para flujos de red grandes y de alta dimensionalidad. Recientemente, ha habido varios trabajos relacionados diseñados basados en Memoria a Corto Plazo de Largo Plazo (LSTM), y muestran una excelente capacidad en el análisis de flujos de red. Sin embargo, estos métodos no pueden obtener las características profundas de los flujos de red, lo que resulta en baja precisión. Para abordar los problemas

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Red definida por software; SDN; Red inteligente; Ataques a la red; Aprendizaje automático; Red neuronal convolucional.
• Keywords:Software-defined network; SDN; Smart grid; Network attacks; Machine learning; Convolutional neural network