机构名称：
¥ 1.0
Slowloris攻击是缓慢拒绝服务（DOS）攻击的变体，是一个隐秘的威胁，旨在删除公司和机构提供的Web服务。由于其攻击流量的量较低和较高的潜伏期，它通常能够通过传统的防御系统，通常会模仿合法的用户流量。因此，有必要调查可以检测和减轻这种攻击的技术，并同时阻止合法的用户流量被阻止。在这项工作中，我们研究了九种机器学习算法，用于检测慢速攻击的攻击，以及基于模糊逻辑（FL），Random Forest（RF）和Euclidean距离（ED）的新组合，我们称之为fre。我们首先在各种环境中生成慢速攻击流量轨迹。然后，我们在两种情况下评估这些算法：具有默认值和优化超参数的超参数。我们表明，这些机器学习算法中的大多数表现都很好，随机森林导致最佳分类结果，测试精度值达到99.52％。我们还表明，我们的FRE方法的表现优于所有这些算法，测试精度值达到99.8％。
使用机器学习算法检测慢速攻击
主要关键词
相关文件推荐
