一种基于机器学习和特征选择的DRDoS攻击检测方法

摘要

本发明提供了一种基于机器学习和特征选择的DRDoS攻击检测方法。该方法包括：通过网络数据采集分析工具定期收集网络入口的数据包头信息；根据数据包头信息中的五元组将收集的数据包划分为不同的网络流，提取各个网络流的流特征建立数据集；使用攻击原理分析、特征重要性排名和特征分布对所述流特征数据集中的网络流特征进行特征筛选，得到关键特征；利用所述流特征数据集和所述关键特征对XGBoost模型进行调参训练，得到检测性能指标最好的XGBoost模型；利用训练好的XGBoost模型对待检测网络的入口流量数据进行在线检测，输出流量的检测分类结果。本发明利用XGBoost来学习DRDoS攻击的行为，可以识别出网络中的多种类型的DRDoS攻击，降低网络中的恶意流量。