面向物联网边缘的轻量化DDoS攻击检测方法

摘要

物联网(Internet of Things, IoT)技术的发展给工业界和日常生活带来便利的同时，海量易受到各种攻击和破坏的IoT设备也降低了分布式拒绝服务(Distributed Denial of Service, DDoS)攻击发起的成本，使被攻击方无法响应正常用户访问.为了在物联网边缘中快速、准确地完成DDoS攻击检测，弥补现有方法资源开销大、不精确的缺陷，本文提出了一种基于轻量化卷积神经网络(Lightweight Convolutional Neural Networks, LCNN)的DDoS检测方法.面向物联网流量特性，方法首先提取包级特征和经冗余分析筛选得到的流级特征.之后设计了低参数和运算量的卷积神经网络LCNN,最后基于变维后的特征，快速检测定位攻击.实验结果表明，方法检测准确率达99.4%.同时LCNN在FPGA中能够以较少的资源消耗，保证在1ms时间内完成对一条流的推理判断.

关键词

物联网边缘 / 可编程交换机 / 轻量化卷积神经网络 / 特征选择 / DDoS检测

基金资助

国家重点研发项目(2020YFB1804604)资助