CTMBIDS：基于卷积 Tsetlin 机的 SDN 环境 DDoS 攻击入侵检测系统
密码学与安全
2025-01-28 v1
摘要
软件定义网络今天面临许多安全挑战。在这些网络中的入侵检测系统 (IDS) 领域已经进行了大量研究。然而，许多方法仍然依赖于深度学习算法。这些算法存在实现复杂、高处理能力和高内存消耗的问题。除了安全问题之外，首先，基于 SDN 协议的数据集数量非常少。其次，现有的数据集包含网络中的众多攻击，而没有专注于单一攻击。出于这个原因，为了引入一个专注于分布式拒绝服务 (DDoS) 攻击的基于 SDN 的 IDS，有必要生成一个面向 DDoS 的数据集，其特征可以训练高质量的 IDS。在这项工作中，为了解决 SDN 中的两个重要挑战，首先，我们基于三种常见且不同的网络拓扑生成了三个 DDoS 攻击数据集。在第二步中，使用卷积 Tsetlin 机 (CTM)，我们引入了一个名为 CTMBIDS 的轻量级 DDoS 攻击 IDS。CTMBIDS 的轻量级特性源于其低内存消耗以及与现有复杂深度学习模型相比的可解释性。CTMBIDS 对系统资源的低占用使其成为消耗 SDN 控制器最少内存的优化软件的理想选择。此外，为了确定生成数据集的质量，我们还将 CTMBIDS 的实验结果与 KDDCup99 基准数据集的 DDoS 攻击进行了比较。由于这项工作的主要重点是轻量级 IDS，结果表明 CTMBIDS 比基于深度学习的方法执行效率高得多。此外，结果还表明，在大多数数据集中，所提出的方法具有相对相等或更好的准确性，并且与现有方法相比消耗的内存要少得多。
引用
@article{arxiv.2409.03544,
title = {CTMBIDS: Convolutional Tsetlin Machine Based Intrusion Detection System for DDoS attacks in an SDN environment},
author = {Rasoul Jafari Gohari and Laya Aliahmadipour and Marjan Kuchaki Rafsanjani},
journal= {arXiv preprint arXiv:2409.03544},
year = {2025}
}