Central AsianResearch Index

Анализ показателей эффективности существующих наборов данных для обнаружения DDoS атак

Для эффективного обнаружения и предотвращения атак DDoS (Distributed Denial-of-Service) необходимо использовать различные наборы данных. В данной статье анализируются самые популярные наборы данных, предназначенные для обнаружения DDoS атак, включая CIC-DDoS2019, NSL-KDD, UNSW-NB15, BoT-IoT и CAIDA, с оценкой их показателей эффективности. Каждый набор данных оценивается по типам атак, объему, степени близости к реальному времени и полезности. Также проводится сравнение показателей точности и F1-score моделей машинного обучения для этих наборов данных. Результаты показали, что набор данных CIC-DDoS2019 является самым полным и близким к реальным условиям, обеспечивая высокую эффективность при использовании алгоритмов Random Forest и SVM. Исследование предоставляет рекомендации по выбору оптимальной комбинации набора данных и модели для обнаружения DDoS атак.

Сведения

Опубликовано
2025 · Т. 8, № 3, С. 94-100
Язык
Русский
ISSN
2181-3086 · 2181-3094
Издатель
Samarkand branch of Tashkent University of Information Technologies