公开(公告)号：CN116132081A

公开(公告)日：2023-05-16

申请号：CN202211077052.X

申请日：2022-09-05

Applicant: 桂林电子科技大学

Inventor： 陈俊彦 ,  卢贤涛 ,  黄雪锋 ,  谢小兰 ,  廖岑卉珊

IPC: H04L9/40 ,  H04L41/40 ,  G06N20/00

Abstract: 本发明涉及入侵检测技术领域，具体涉及一种基于集成学习的软件定义网络DDOS攻击协同防御方法，首先提出了一种基于Bagging集成的特征选择算法，避免单特征选择算法忽略特征间联系，倾向选择冗余特征的情况；其次引入成对多样性度量用于选择性集成，选择出较为优秀的异质集成模型，并采用分层十倍交叉验证方法避免了过度拟合；最后，采用基于Bagging集成算法的加权投票机制进行基分类器模型的集成，并将该模型嵌入SDN控制器当中，设置检测时间间隔，实现实时监测。

公开(公告)号：CN116132081B

公开(公告)日：2025-02-07

申请号：CN202211077052.X

申请日：2022-09-05

Applicant: 桂林电子科技大学

Inventor： 陈俊彦 ,  卢贤涛 ,  黄雪锋 ,  谢小兰 ,  廖岑卉珊

IPC: H04L9/40 ,  H04L41/40 ,  G06N20/00

Abstract: 本发明涉及入侵检测技术领域，具体涉及一种基于集成学习的软件定义网络DDOS攻击协同防御方法，首先提出了一种基于Bagging集成的特征选择算法，避免单特征选择算法忽略特征间联系，倾向选择冗余特征的情况；其次引入成对多样性度量用于选择性集成，选择出较为优秀的异质集成模型，并采用分层十倍交叉验证方法避免了过度拟合；最后，采用基于Bagging集成算法的加权投票机制进行基分类器模型的集成，并将该模型嵌入SDN控制器当中，设置检测时间间隔，实现实时监测。