来源：期刊VIP网 时间：
作者：葛浩伟;杨启航;石乐义;
单位：中国石油大学(华东)海洋与空间信息学院;中国石油大学(华东)计算机科学与技术学院;
摘要：针对DDoS攻击检测问题，提出一种深度集成学习算法，可以有效检测DDoS攻击并解决分类不平衡问题。该算法使用一种类权重投票算法并由若干深度学习子模型组成，子模型采用1D-CNN和BILSTM提高模型时序提取性能，并利用2D-CNN提取空间特征，综合捕捉了样本的时空特性。在数据处理方面，通过对实验数据流量基于IP等特征进行分段，并将其转换为灰度图像，增强了模型对时空特征的感知能力，同时避免了传统手动特征提取可能引起的数据缺失问题。实验结果表明，该方法在多分类问题上达到了99.63%的准确率，可以准确检测DDoS攻击流量。
关键词：CNN;;LSTM;;DDoS;;集成学习;;深度学习;;灰度图
基金资助：国家自然科学基金国际合作交流项目（6201101324）;; 国家重点研发计划子课题（2019YFF0301801）基金
