机构名称：
¥ 1.0
采用物联网（IoT）在各个领域都激增，冰箱和洗衣机等日常物品现在配备了传感器并连接到Internet。不可否认，此类设备的安全性并非主要是为Internet连接而设计的，它至关重要，但在很大程度上被忽略了。在本文中，我们为实时DDOS攻击检测和缓解SDN的智能家居网络中的实时DDOS攻击检测和缓解。我们在常规操作和DDOS攻击期间捕获网络流量。此捕获的流量用于训练多个机器学习（ML）模型，包括支持向量机（SVM），逻辑回归，决策树和K-最近的邻居（KNN）算法。这些训练有素的模型被执行为SDN控制器应用程序，随后用于实时攻击检测。当我们利用ML技术来保护IoT设备时，我们建议使用SNORT（一种基于签名的检测技术）来保护SDN控制器本身。现实世界实验表明，在攻击后不久，SDN控制器没有鼻涕，导致数据包丢失100％。此外，我们表明ML算法可以有效地将流量分类为良性和攻击流量，而决策树算法的表现优于其他人的精度为99％。
基于SDN的DDOS攻击对智能家居的检测和缓解
主要关键词
相关文件推荐
