注意力遇见 UAVs：面向低成本 UAV 的 DDoS 检测综合评估
密码学与安全
2024-07-01 v1 机器学习
摘要
本文探讨了如何增强面向低成本、基于 Wi-Fi 的无人机（UAV）的网络安全措施，以抵御分布式拒绝服务（DDoS）攻击。本文中，我们探索了三种 DDoS 攻击变体，即传输控制协议（TCP）、Internet 控制消息协议（ICMP）和 TCP + ICMP 溢发攻击，并开发了一种在无人机系统伴随计算机上运行的检测机制。作为检测机制的一部分，我们在各种分类指标下评估了各种机器学习和深度学习算法，包括 XGBoost、Isolation Forest、长短期记忆网络（LSTM）、双向 LSTM（Bi-LSTM）、带注意力机制的 LSTM、带注意力机制的 Bi-LSTM 和时间序列 Transformer（TST）。我们的评估结果表明，具有注意力机制的算法总体上优于其对手，TST 作为最有效的模型，运行时间为 0.1 秒。TST 分别在 TCP、ICMP 和 TCP + ICMP 溢发攻击中分别Demonstrated an F1 分数为 0.999、0.997 和 0.943。本文中，我们提出了构建无人机上置入 DDoS 检测机制的必要步骤。进一步，我们还提出了消融研究，以确定 TST 最佳超参数以实现 DDoS 检测，并指出了在 TST中采用可学习位置嵌入对 DDoS 检测具有优势，F1 分数可从 0.94 提升至 0.99。
关键词
引用
@article{arxiv.2406.19881,
title = {Attention Meets UAVs: A Comprehensive Evaluation of DDoS Detection in Low-Cost UAVs},
author = {Ashish Sharma and SVSLN Surya Suhas Vaddhiparthy and Sai Usha Goparaju and Deepak Gangadharan and Harikumar Kandath},
journal= {arXiv preprint arXiv:2406.19881},
year = {2024}
}