评估DDoS流量的时序与结构异常检测范式
机器学习
2026-04-21 v1 人工智能
摘要
无监督异常检测广泛用于云原生5G网络中的分布式拒绝服务（DDoS）攻击检测，但大多数研究假设固定的流量表示，无论是时序的还是结构的，无法验证哪种特征空间更符合数据。在本文中，我们提出一种轻量级决策框架，在训练前优先选择时序或结构特征，利用两种诊断工具：聚合流信号的滞后1自相关和主成分分析累计解释方差。当探针无法得出结论时，框架保留混合选项作为未来备用方案，而非经验验证的分支。实验在两个统计上不同的数据集上进行，使用隔离森林、单类SVM和KMeans。结果表明，结构特征在一致上匹配或优于时序特征，且随着时序依赖性减弱，性能差距会进一步扩大。
引用
@article{arxiv.2604.16575,
title = {Evaluating Temporal and Structural Anomaly Detection Paradigms for DDoS Traffic},
author = {Yasmin Souza Lima and Rodrigo Moreira and Larissa F. Rodrigues Moreira and Tereza Cristina M. de B. Carvalho and Flávio de Oliveira Silva},
journal= {arXiv preprint arXiv:2604.16575},
year = {2026}
}
备注
Paper accepted for publication at Experimental Research Workshop on the Future Internet (2026) in conjunction with Brazilian Symposium on Computer Networks and Distributed Systems (2026)