研究人员提出了一种使用深度学习检测DDoS攻击的新方法，尤其是在处理大规模数据时，能提高检测速度和准确性。通过深度神经网络分析网络流量，可以自动识别正常与恶意流量的复杂模式，降低误报率。然而，这种方法仍需要人为调整，并可能在面对未知攻击时面临挑战。
一种新的深度学习检测模型可以以更高的速度和准确性发现网络攻击
来自美国、中国和沙特阿拉伯的一组研究人员展示了人工智能 (AI) 算法如何帮助检测其他方法失败的分布式拒绝服务 (DDoS) 攻击。
随着联网设备的数量呈指数级增长，并且攻击者的方法越来越复杂，查找和过滤针对 Web 服务器的有害DDoS流量正成为一项日益严峻的挑战。
他们的方法发表在开放科学平台Europe PMC上的一篇论文中，使用深度学习来确定来自源的网络流量是正常的还是恶意 DDoS 攻击的一部分。
研究人员的研究结果表明，在处理大规模数据时，基于深度学习的检测方法可以提高速度和准确性，同时降低误报率。
这项工作的重点是软件定义网络 (SDN)，这是一种近
最低0.47元/天 解锁文章
2736
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
