基于人工智能的物聯(lián)網(wǎng)DDoS攻擊檢測

摘要： 針對物聯(lián)網(wǎng)DDoS攻擊檢測最優(yōu)解問題,文章采用多種算法對物聯(lián)網(wǎng)DDoS攻擊進(jìn)行檢測和建模分類,運(yùn)用核密度估計篩選出有影響的流量特征字段,建立基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的DDoS攻擊檢測模型,分析了通過可逆殘差神經(jīng)網(wǎng)絡(luò)和大語言模型處理數(shù)據(jù)集并進(jìn)行攻擊檢測的可行性。實驗結(jié)果表明,ResNet50算法在綜合指標(biāo)上表現(xiàn)最好；在區(qū)分DDoS攻擊流量和其他流量問題上,梯度提升類算法表現(xiàn)更優(yōu)... （共9頁）