基于EfficientNet-深度量子神经网络的可持续性攻击检测的经济否定,以提高云中的网络安全性
Mariappan Navaneethakrishnan1, Maharajan Robinson Joel2, Sriram Kalavai Palani3
1Associate Professor, Department of Computer Science and Engineering, St.Joseph college of Engineering Sriperumbudur, Chennai, India.
Network (Bristol, England)
|June 21, 2024
概括
一个新的EfficientNet-DQNN模型有效地检测云计算中的经济拒绝可持续性 (EDoS) 攻击. 这种先进的系统实现了高准确度,精度和回忆,增强了对新出现的威胁的云安全性.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 云计算 (CC) 面临的安全挑战阻碍了其广泛采用.
- 经济否认可持续性 (EDoS) 攻击是云服务的新兴威胁.
- 现有的安全措施可能无法充分应对EDoS攻击的不断变化的性质.
研究的目的:
- 介绍一个EfficientNet-B3-Attn-2融合深度量子神经网络 (EfficientNet-DQNN),用于强大的EDoS攻击检测.
- 评估拟议的EfficientNet-DQNN模型在模拟云环境中的性能.
- 加强云计算基础设施的安全性和可靠性,以应对EDoS威胁.
主要方法:
- 模拟云环境和日志文件输入.
- 使用Z-Score规范化 (ZSN) 进行数据预处理.
- 通过深度神经网络 (DNN) 通过Kulczynski相似性和数据增强 (DA) 使用合成少数群体过量采样技术 (SMOTE) 进行特征融合 (FF).
- 使用EfficientNet-DQNN模型实现的攻击检测.
主要成果:
- 在BOT-IOT数据集上,EfficientNet-DQNN模型表现出强的表现.
- 获得F1得分为89.8%,准确率为90.4%,精度为91.1%,回忆率为91.2%.
- 该模型的有效性使用K-Fold交叉验证 (K=9) 来验证.
结论:
- EfficientNet-DQNN模型为云计算中检测EDoS攻击提供了一个有希望的解决方案.
- 拟议的方法通过准确识别和减轻复杂的拒绝服务攻击来提高云安全性.
- 进一步的研究可以探索这种先进的检测系统的可扩展性和现实世界的部署.
