计算机应用研究

作者：夏文豪,张连成,郭毅,张宏涛,林斌,

单位：1.郑州大学a.网络空间安全学院;b.网络管理中心,郑州450001；2.信息工程大学网络空间安全学院,郑州450002；

关键词：IPv6,NDP,洪泛检测,DDoS,机器学习,深度学习,

基金：河南省重点研发与推广专项(科技攻关)资助项目(232102210135,212102310989)；河南省高等学校重点科研资助项目(22A520044)；；

当前NDP洪泛行为检测研究主要集中于RA和NS洪泛行为的检测，对于NDP协议中其他报文洪泛行为的检测能力不足。此外，传统阈值规则检测方法存在动态性差、准确率低的问题，而基于人工智能的检测方法大多只能进行二分类检测，缺乏多分类检测能力。为此，提出一种针对NDP协议洪泛行为的多分类检测框架，并提出基于时间间隔特征的NDP协议洪泛行为检测方法。通过流量收集、数据处理等过程构建了首个用于NDP洪泛检测的多分类数据集，并对比使用了5种机器学习和5种深度学习算法来训练检测模型。实验结果表明，利用机器学习中XGBoost算法的检测准确率可达99.18%，深度学习中的Transformer算法的检测准确率可达98.45%。与现有检测方法相比准确率更高，同时该检测框架可以检测出NDP协议5种报文的9类洪泛行为，并可对洪泛行为进行多分类划分。

来源：2024年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第10期