基于一维卷积神经网络的HTTP慢速DoS攻击检测方法
【摘要】 为解决）攻击流量检测在攻击频率变化时出现的准确率降低的问题，提出一∗慢速拒绝服务（）的HTTPSHDoSCNNSHDoS攻击流量检测方法。首先，该方法在多种攻击频率下对三种类型的种基于一维卷积神经网络（SHDoS攻击流量进行报文采样和数据流提取;之后，设计了一种数据流转换算法，将采集的攻击数据流转换为一维序列并进构建分类模型，该模型通过卷积核来提取序列片段，并从片段中学习攻击样本的局部模行去重;最后，使用一维）、长短期记忆式，从而使模型对多种攻击频率的数据流都具备检测能力。实验结果显示，与基于循环神经网络（）网络构建的分类模型相比，该模型对未知攻击频率的样本同样具有较好的（LSTM检测能力，在验证集上的检测准确率和精确率分别达到了。结果表明所提方法能够满足对不同攻流量进行检测的需求。击频率的）网络及双向长短期记忆（96.76%94.13%LSTMRNNCNN和Bi-SHDoS
