10、基于虚拟机管理程序的DDoS攻击预防模型与单机调度问题算法研究

基于虚拟机管理程序的DDoS攻击预防模型与单机调度问题算法研究

基于虚拟机管理程序的DDoS攻击预防模型

1. 模型性能指标
   • 敏感性 ：敏感性衡量的是正检测率，即成功检测和预防异常流量的百分比。H - IDPS的峰值敏感性为99.98%，而IDS为97%。对于LDA，H - IDPS为96%，IDS为94.5%。相比之下，PCA在H - IDPS中显示为97%，在IDS中为95%。
   • TCP泛洪攻击结果 ：在使用ANN分类器的（PCA + LDA + ALO）模型中，352个样本中有49.7%与结果相关。173个网络流量包被正确分类为UDP泛洪攻击，占总训练样本的50%。总体而言，训练样本的估计准确率为98.9%，约1.1%被错误分类。该模型共进行了497次预测，其中包括252次正常流量和245次攻击尝试，有7次将实际攻击误分类为正常流量（即假阴性），整体分类准确率为98.6%，平均错误率为1.4%。
   • 不同检测阶段对比 ：对于TCP泛洪攻击，基于两个阶段（即IDS over PCA - LDA）进行测量并与H - IDPS对比。H - IDPS的检测分类百分比最低，为99.30%，而IDS为81%。LDA在H - IDPS中为64.4%，在IDS中为55.70%。PCA方差在H - IDPS中为77.41%，在IDS中为50.31%。
   • 错误分类率 ：该模型的错误分类率为0.19%，而IDS over混合PCA -