Resumen

El crecimiento explosivo del tráfico de red y su multiplicidad en Internet han planteado nuevos y graves retos a la detección de ataques DDoS. Para obtener una mayor tasa de verdaderos negativos (TNR), exactitud y precisión, y para garantizar la robustez, estabilidad y universalidad del sistema de detección, en este artículo proponemos un método de detección de ataques DDoS basado en el aprendizaje por conjuntos de multiclasificadores heterogéneos híbridos y diseñamos un algoritmo de detección heurístico basado en la descomposición del valor singular (SVD) para construir nuestro sistema de detección. Los resultados experimentales muestran que nuestro método de detección es excelente en TNR, exactitud y precisión. Por lo tanto, nuestro algoritmo tiene un buen rendimiento de detección para ataques DDoS. A través de las comparaciones con Random Forest, k-Nearest Neighbor (k-NN), y Bagging que comprenden los clasificadores de componentes cuando los tres algoritmos se utilizan solos por SVD y por un-SVD, se muestra que nuestro modelo es superior al estado de la técnica de técnicas de detección de ataques en la capacidad de generalización del sistema, la estabilidad de detección, y el rendimiento general de detección.

• Materias:Ingeniería electrónica Redes Inalámbricas Ingeniería Eléctrica Procesamiento de señales asistido por computador Sistemas de comunicación Informática
• Subjects:Electronic engineering Wireless Networks Electrical Engineering Signal processing computer-assisted Communication systems Computing
• Palabras claves:svd, sistema de detección, método de detección de ataques ddos, técnicas de detección de ataques de última generación, mayor tasa de verdaderos negativos, aprendizaje de conjunto multiclasificador heterogéneo híbrido, detección de ataques ddos, descomposición de valor singular, buen rendimiento detectivesco, algoritmo de detección heurístico
• Keywords:svd, detection system, ddos attack detection method, art attack detection techniques, higher true negative rate, hybrid heterogeneous multiclassifier ensemble learning, ddos attack detection, singular value decomposition, good detective performance, heuristic detection algorithm