基于机器学习的SDN异常流量检测架构 |
| |
作者姓名: | 李道全 李腾 李玉秀 |
| |
作者单位: | 青岛理工大学 信息与控制工程学院,山东 青岛 266520 |
| |
基金项目: | 山东省自然科学基金项目(ZR2020MF001); |
| |
摘 要: | 针对SDN网络中控制器容易受到DDoS攻击导致CPU资源耗尽的问题,提出一种基于机器学习的SDN异常流量检测架构。根据DDoS攻击在通信、频率等方面的特性从流表中提取相关联的七维特征,使用互信息法筛选出四维最优特征子集,结合集成投票算法检测异常流量,利用SDN转控分离的独特性质提出多目标流路由方案,为正常流量分配高带宽、低延迟的优化路径。实验结果表明,提出架构能及时准确检测到DDoS攻击,集成投票算法在时间开销和CPU平均利用率方面有较好改善。
|
关 键 词: | 软件定义网络 机器学习 异常流量 流表 互信息 集成投票 转控分离 多目标流路由 |
本文献已被 万方数据 等数据库收录! |
|