
-
生物通官微
陪你抓住生命科技
跳动的脉搏
面向物联网DDoS攻击检测的五阶段集成入侵检测框架
《Scientific Reports》:EWCMD: real-time attack detection using ensemble weighted combination machine learning and deep learning methods
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要不断演变的物联网(IoT)威胁格局使得分布式拒绝服务(DDoS)攻击成为一个持续的安全担忧。本文提出了一种结合机器学习和深度学习的五阶段集成入侵检测框架。前四个阶段在 NSL-KDD 和 UNSW-NB15 数据集上训练并评估了七个机器学习分类器和一个卷积神经网络(CNN
不断演变的物联网(IoT)威胁格局使得分布式拒绝服务(DDoS)攻击成为一个持续的安全担忧。本文提出了一种结合机器学习和深度学习的五阶段集成入侵检测框架。前四个阶段在 NSL-KDD 和 UNSW-NB15 数据集上训练并评估了七个机器学习分类器和一个卷积神经网络(CNN),纳入特征选择和超参数优化以提高准确率并降低计算成本。第五阶段引入了两种最终预测策略:用于低延迟决策的加权轮盘机制(ERCMD)和用于最高准确率的基于 CNN 的元分类器(EDCMD)。ERCMD 在两个数据集上均达到了超过 96% 的准确率,而 EDCMD 在 NSL-KDD 上达到了高达 100% 的准确率,在 UNSW-NB15 上达到了 99.95%。