MixGAN：面向云集成物联网网络 DDoS 检测的半监督与生成式混合方法
密码学与安全
2025-08-28 v1 人工智能
摘要
云集成物联网系统的普及扩大了攻击面、设备行为的异构性以及有限的边缘保护，加剧了其遭受分布式拒绝服务（Distributed Denial of Service, DDoS）攻击的风险。然而，由于复杂的流量动态、严重的类别不平衡和稀缺的标记数据，此背景下的 DDoS 检测仍具挑战性。尽管近期方法已探索了解决类别不平衡的方案，但许多方法在有限监督和动态流量条件下仍难以泛化。为了克服这些挑战，我们提出了 MixGAN，一种集成了条件生成、半监督学习和稳健特征提取的混合检测方法。具体而言，为了处理复杂的时序流量模式，我们设计了一个由带有残差连接的时序卷积层组成的 1-D WideResNet 主干网络，有效捕获流量序列中的局部突发模式。为了缓解类别不平衡和标签稀缺，我们使用预训练的 CTGAN 生成合成少数类（DDoS 攻击）样本，以补充未标记数据。此外，为了减轻噪声伪标签的影响，我们引入了 MixUp-Average-Sharpen（MAS）策略，通过对增强视图的预测进行平均并重新向高置信度类加权，构建平滑且锐化的目标。在 NSL-KDD、BoT-IoT 和 CICIoT2023 上的实验表明，与最先进的方法相比，MixGAN 的准确率提高了 2.5%，TPR 和 TNR 均提高了 4%，证实了其在大规模物联网云环境中的稳健性。源代码公开于 https://github.com/0xCavaliers/MixGAN。
引用
@article{arxiv.2508.19273,
title = {MixGAN: A Hybrid Semi-Supervised and Generative Approach for DDoS Detection in Cloud-Integrated IoT Networks},
author = {Tongxi Wu and Chenwei Xu and Jin Yang},
journal= {arXiv preprint arXiv:2508.19273},
year = {2025}
}