A Deep Learning Based DDoS Detection System in Software-Defined Networking (SDN)
Contents
Niyaz Q , Sun W , Javaid A Y . A Deep Learning Based DDoS Detection System in Software-Defined Networking (SDN)[J]. Security & Safety, 2016, 4(12).
没有看的价值，跟深度学习完全扯不上关系，被标题和页码骗了。。
DDoS Detection System的实现
分为三个部分：信息收集，特征提取，流量收集，结构图如下：
##信息收集方法命名为TCFI，具体算法流程如Algorithm1:
意思是：抽取所有的包头放到packets_list里，将新产生的流存入flow_list里。
被抽取的特征有如表1
##特征提取和流量分类
特征提取设置时间间隔进行，特征提取模块从TCFI中获得统计信息，并计算特征，按流分类，TCFI的特征被提取后重设特征集。
可抽取的特征总结如下：
TCP：
UDP：
ICMP：
对9-12,43-46,63-67计算字节数和每个流包数的中位数，对8,14,16,18,20,42,48,50,54,62,68计算熵。
算法部分就没有了，也没讲怎么分类。
#实验部分
从公网中抓正常流量，利用hping3构造异常流量，在构造的SDN中进行实验，计算：Accuracy,Precision,RecallF值，ROC
本文：主要了解了一些可用于特征提取的特征集，还有一个用于攻模拟攻击的工具：hping3
如果这篇文章帮到了你, 那就赞助我一瓶水吧, 这可以让我有动力去写更多的文章
Sponsor