56、机器学习算法检测DDoS攻击与移动网络查询安全研究

最新推荐文章于 2025-12-20 21:29:49 发布

pz890123

最新推荐文章于 2025-12-20 21:29:49 发布

阅读量13

点赞数

CC 4.0 BY-SA版权

分类专栏：网络安全前沿探析文章标签：机器学习 DDoS攻击检测模糊C-均值聚类

本文链接：https://blog.csdn.net/pz890123/article/details/154805346

75 篇文章 ¥499.90

订阅专栏¥69.90

在检测DDoS攻击时，研究人员采用了多种机器学习算法，并使用CAIDA数据集作为攻击数据，SSE网络收集的正常流量作为正常数据，通过开源工具KNIME进行分类。

k - NN算法 ：对于测试元素dt，该算法在训练集中找到其k个最近邻元素，这些元素构成dt的邻域，然后通过多数投票来决定dt的类别。
FCM聚类（模糊c - 均值聚类） ：这是一种允许一个数据点属于两个或多个聚类的聚类方法。它基于最小化以下目标函数：
[J=\sum_{i = 1}^{n}\sum_{j = 1}^{c}u_{ij}^{m}\left | x_{i}-c_{j} \right |^{2}]
其中m是大于1的实数，$u_{ij}$是$x_{i}$在聚类j中的隶属度，$x_{i}$是d维测量数据中的第i个数据，$c_{j}$是d维聚类中心，$\left | * \right |$是表示任何测量数据与中心之间相似度的范数。