SDN环境下基于CNN-BiLSTM的入侵检测研究

软件定义网络(SDN)是一种将控制层和数据层分离的新型网络架构,在实现网络集中管理和可编程性的同时也面临易受到入侵攻击的问题。针对此问题设计了检测防御机制。利用深度学习算法,对数据集进行处理后,融合卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM),设计了CNN-BiLSTM模型检测攻击,利用SDN可编程性设计了防御机制,搭建基于SDN的网络平台进行仿真实验。实验结果表明,所设计方法相较传统检测方法可更准确检测出入侵流量,并在检测出后有效实现了防御功能。

基于SDN工业环境中的DDoS攻击检测

针对基于软件定义网络(software defined network,SDN)架构的工业车间网络易受到DDoS攻击的问题,设计了检测防御模型。利用深度学习算法,融合卷积神经网络和双向长短期记忆网络,设计了CNN-BiLSTM模型,进行攻击检测,利用SDN设计防御策略,搭建基于SDN的工业车间网络平台进行仿真实验。结果表明:DDoS恶意流量检测准确率达到97%,并有效实现了DDoS攻击的防御。