基于机器学习的光网络干扰攻击检测、识别与恢复方法OACSTPCD
Machine learning-based detection,identification and restoration method of jamming attacks in optical networks
光网络由于其结构的脆弱性,容易受到旨在中断通信服务的信号干扰攻击.基于此,提出了一种基于机器学习的攻击检测、识别与恢复框架.在攻击检测与识别方面,评估了 BiLSTM、1DCNN 和 7 种常规机器学习分类器(ANN、DT、KNN、LDA、NB、RF和SVM)在检测攻击是否存在,以及识别受到的不同类型的干扰攻击上的性能.在攻击恢复方面,提出了基于 BiLSTM-BiGRU 的干扰攻击恢复模型,分别用来恢复轻度带内、强度带内、轻度带外和强度带外干扰攻击.数值仿真结果表明,所提模型表现出优异的性能,检测与识别准确率高达99.20%,针对4种攻击的恢复率分别为95.05%、97.03%、94.06%和61.88%.
巩小雪;庞嘉豪;张琦涵;徐长乐;秦文帅;郭磊
重庆邮电大学通信与信息工程学院,重庆 400065||重庆邮电大学智能通信与网络安全研究院,重庆 400065重庆邮电大学通信与信息工程学院,重庆 400065||重庆邮电大学智能通信与网络安全研究院,重庆 400065重庆邮电大学通信与信息工程学院,重庆 400065||重庆邮电大学智能通信与网络安全研究院,重庆 400065||东北大学计算机科学与工程学院,辽宁 沈阳 110819重庆邮电大学通信与信息工程学院,重庆 400065||重庆邮电大学智能通信与网络安全研究院,重庆 400065重庆邮电大学通信与信息工程学院,重庆 400065||重庆邮电大学智能通信与网络安全研究院,重庆 400065重庆邮电大学通信与信息工程学院,重庆 400065||重庆邮电大学智能通信与网络安全研究院,重庆 400065
电子信息工程
机器学习攻击检测与识别攻击恢复光网络安全
machine learningattack detection and identificationattack recoveryoptical network security
《通信学报》 2023 (7)
基于光信号处理的无源光网络物理层安全理论与关键技术研究
159-170,12
国家自然科学基金资助项目(No.62075024,No.62025105,No.62201105,No.62205043,No.62221005)重庆市自然科学基金资助项目(No.CSTB2022NSCQ-MSX1334,No.cstc2021jcyj-msxmX0404)重庆市教委创新研究群体基金资助项目(No.CXQT21019)The National Natural Science Foundation of China(No.62075024,No.62025105,No.62201105,No.62205043,No.62221005),The Natural Science Foundation of Chongqing(No.CSTB2022NSCQ-MSX1334,No.cstc2021jcyj-msxmX0404),Chongqing Municipal Education Commission(No.CXQT21019)
评论