来源：期刊VIP网 时间：
作者：马玉梅;张东阳;
单位：华北电力大学(保定)计算机系;
摘要：无线通信网络受到DoS攻击，会使得网络的负载增加，导致延迟增加。而在无线通信网络中，数据通常分散在多个节点上，这会造成数据泄露和被攻击。为此，提出一种基于联邦学习的无线通信网络DoS攻击检测方法。对初始无线通信网络数据进行预处理和归一化，并采用随机森林算法进行降维处理，去除冗余特征，获得最佳网络数据特征集。将特征集输入到以深度卷积神经网络为通用模型的联邦学习训练模型中，独立训练本地模型并进行模型修正，传输至中心服务器进行聚合，收敛后完成训练。利用训练得到的联邦学习模型检测无线通信网络DoS攻击速率，再与接收者接收的容量最大值进行比较，判断是否有DoS攻击。实验结果表明，所提方法在处理大量数据时具有较高的稳定性和可靠性，能够在短时间内准确地检测出DoS攻击。
关键词：联邦学习;;无线通信网络;;DoS攻击检测;;深度卷积神经网络;;随机森林算法;;通用模型
