-
题名基于EWC算法的DDoS攻击检测模型参数更新方法
被引量：3
- 1
-
-
作者
张斌
周奕涛
-
机构
中国人民解放军战略支援部队信息工程大学
河南省信息安全重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第10期2928-2935,共8页
-
基金
河南省基础与前沿技术研究计划基金(142300413201)
信息保障技术重点实验室开放基金项目(KJ-15-109)
信息工程大学科研项目(2019f3303)。
-
文摘
针对现有基于多层线性感知器(Multi-Layer Perceptron,MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题,该文提出一种基于弹性权重保持(Elastic Weight Consolidation,EWC)算法的模型参数更新方法(EWC-UD)。首先,使用K-Means算法计算原数据集聚类簇中心点作为费雪信息矩阵计算样本,有效提升计算样本均匀度与聚类覆盖率,大幅减少费雪信息矩阵计算量,提升参数更新效率。其次,基于费雪信息矩阵,对模型参数更新过程中的损失函数增加2次惩罚项,限制MLP神经网络中重要权重与偏置参数的变化,在保持对原数据集检测性能的基础上,提升对新DDoS攻击数据集的检测准确率。然后基于概率论对EWC-UD方法进行正确性证明,并分析时间复杂度。实验表明,针对构建的测试数据集,EWC-UD方法相较于MLP-UD仅训练新DDoS攻击数据集的更新方法,检测准确率提升37.05%,相较于MLP-UD同时训练新旧DDoS攻击数据集的更新方法,时间开销下降80.65%,内存开销降低33.18%。
-
关键词
分布式拒绝服务
模型参数更新
弹性权重保持算法
多层线性感知器
-
Keywords
distributed denail of service(ddos)
Model parameter update
Elastic Weight Consolidation(EWC)algorithm
Multi-Layer Perceptron(MLP)
-
分类号
TN918.91
[电子电信—通信与信息系统]
TP393
[电子电信—信息与通信工程]
-
