文献类型：期刊文章

作　　者：余学山[1] 韩德志[1] 杜振鑫[1,2]

YU Xue-shan;HAN De-zhi;DU Zheng-xin(College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China;School of Computer Information Engineering,Hanshan Normal University,Chaozhou,Guangdong 521041,China)

机构地区：[1]上海海事大学信息工程学院,上海201306 [2]韩山师范学院计算机与信息工程学院,广东潮州521041

出　　处：《计算机科学》

基　　金：国家自然科学基金(61373028;61672338)资助

年　　份：2018

卷　　号：45

期　　号：12

起止页码：123-129

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：随着大数据应用的普及,DDoS攻击日益严重并已成为主要的网络安全问题。针对大数据环境下的DDoS攻击检测问题,设计了一种融合聚类和智能蜂群算法(DFSABC_elite)的DDoS攻击检测系统。该系统将聚类算法与智能蜂群算法相结合来进行数据流分类,用流量特征分布熵与广义似然比较判别因子来检测DDoS攻击数据流的特征,从而实现了DDoS攻击数据流的高效检测。实验结果显示,该系统在类内紧密度、类间分离度、聚类准确率、算法耗时和DDoS检测准确率方面明显优于基于并行化K-means的普通蜂群算法和基于并行化K-means算法的DDoS检测方法。

关 键 词：DDOS攻击 智能蜂群算法  流量特征分布熵  聚类算法 广义似然比较  

分 类 号：TP309.2]