软件定义网络的入侵检测模型及实验验证

摘要：

随着软件定义网络(SDN)技术的不断发展,SDN面临着日益增多的网络安全威胁.因此,及时检测SDN面临的各种网络攻击,对于解决SDN的安全问题显得至关重要.针对这一问题,尝试建立SDN的入侵检测模型,对SDN的入侵数据流量进行甄别.首先在改进海鸥优化算法寻优能力的基础上,设计基于改进海鸥优化算法的特征选择方法对数据集进行降维,进而设计基于改进海鸥优化算法的SVM参数优化方法对SVM模型进行优化,最终利用提出的这两种方法构建SDN入侵检测模型.在NSL-KDD数据集上的特征选择实验准确率为0.945,在UCI数据集上的参数优化实验准确率在0.820以上,在InSDN数据集上SDN入侵检测准确率为0.954.由实验验证结果可知,提出的SDN入侵检测模型可有效地检测出SDN网络的人侵流量,为SDN网络提供了更好的安全保障.

关键词：软件定义网络、入侵检测、海鸥优化算法、特征选择、支持向量机

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61602162

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：41-48,91