基于深度学习的SDN异常流量分布式检测方法OA北大核心CSTPCD
针对传统异常流量检测方法在执行大规模软件定义网络(SDN)的检测任务时,存在运算开销大、共享链路繁忙,容易引起网络设备单点故障,导致软件定义网络服务质量下降甚至网络瘫痪等问题,提出一种基于深度学习的SDN异常流量分布式检测方法。该方法将部署在云端服务器的判别器与若干部署在SDN控制器的生成器构造为“一对多”的分布式生成对抗网络(D-VAE-WGAN),利用正常流量样本完成对D-VAE-WGAN的协同训练,在控制器上生成具有独立检测功能的异常流量检…查看全部>>
王坤;付钰;段雪源;俞艺涵;刘涛涛
海军工程大学信息安全系,湖北武汉430033 信阳职业技术学院信息与通信工程学院,河南信阳464000海军工程大学信息安全系,湖北武汉430033信阳师范大学计算机与信息技术学院,河南信阳464000 河南省教育大数据分析与应用重点实验室,河南信阳464000海军工程大学作战运筹与规划系,湖北武汉430033海军工程大学信息安全系,湖北武汉430033
电子信息工程
深度学习软件定义网络分布式异常流量检测
《通信学报》 2024 (11)
P.114-130,17
国家自然科学基金资助项目(No.62102422)河南省科技攻关基金资助项目(No.242102211070)。
评论