摘要
本发明涉及DDoS攻击检测技术领域,公开了一种用于车辆‑无人机融合系统的DDoS攻击检测方法,包括:采集网络流量数据集,通过预处理,生成流量特征数据集;构建基于CNN‑LSTM的DDoS攻击检测模型;采用斑翠鸟优化方法对流量特征数据集进行特征筛选后,输入基于CNN‑LSTM的DDoS攻击检测模型进行训练,生成训练好的基于CNN‑LSTM的DDoS攻击检测模型;采集待检测的网络流量数据,将其输入训练好的基于CNN‑LSTM的DDoS攻击检测模型进行DDoS攻击检测,生成DDoS攻击检测结果;本发明将元启发式斑翠鸟优化方法与CNN‑LSTM混合深度学习模型相结合,结合自定义的适应度函数联合优化模型准确性和检测时间,提高了模型的准确性,有效平衡了检测性能和实时响应性之间的权衡,具有较高的检测准确率和较低的检测延迟。
技术关键词
攻击检测模型
攻击检测方法
融合系统
网络流量数据集
输出特征
无人机
车辆
混合深度学习模型
攻击检测技术
策略更新
局部特征提取
HTTP请求
超参数
存储器
训练集
时序特征
系统为您推荐了相关专利信息
车辆检测方法
卷积模块
训练神经网络模型
天气
上采样
功率分配方法
功率分配算法
信道特征
无监督学习方法
消息传递网络
数据分发策略
数据融合方法
卷积神经网络模型
传输路径
动态带宽分配