Resumen

Dado que los servicios en Internet son cada vez más abundantes, todos los ámbitos de la vida están inextricablemente vinculados con Internet. Al mismo tiempo, los ataques web en Internet nunca se detienen. En comparación con otros ataques web comunes, el DDoS web (denegación distribuida de servicio) causará daños graves a la disponibilidad de la red objetivo o los recursos del sistema en un corto período de tiempo. En la actualidad, la mayoría de las investigaciones se centran en algoritmos de detección de ataques DDoS relacionados con el aprendizaje automático. Según estudios anteriores, los métodos no supervisados generalmente tienen una alta tasa de falsos positivos, mientras que los métodos supervisados no pueden manejar una gran cantidad de datos de tráfico de red, y el rendimiento a menudo está limitado por el ruido y los datos irrelevantes. Por lo tanto, este documento propone un modelo de detección de aprendizaje semisupervisado que combina el agrupamiento espectral y el bosque aleatorio para detectar el ataque DDoS

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Internet; Ddos; Detección; Ataques web; Aprendizaje automático; Tráfico de red
• Keywords:Internet; Ddos; Detection; Web attacks; Machine learning; Network traffic