基于机器学习的光网络中干扰攻击检测与防御
网络与互联网体系结构
2020-02-11 v3
摘要
光网络易受旨在破坏服务的功率干扰攻击。本文提出一种用于光网络中干扰攻击检测与防御的机器学习(ML)框架。我们评估了多种ML分类器，用于检测不同强度的带外干扰攻击。数值结果表明，人工神经网络在推理速度上最快(每秒10^6次检测)，且在检测功率干扰攻击以及识别受攻击光信道方面最准确(约100%)。我们还讨论并研究了一种在系统遭受主动干扰攻击时的新型防御机制。针对该场景，我们提出了一种新颖的资源重分配方案，该方案利用攻击检测精度的统计信息，在最小化光路径重分配次数的同时降低光路径被成功干扰的概率。仿真结果表明，干扰光路径的可能性随检测精度的提高而降低，而定位功能减少了所需的重分配次数。
引用
@article{arxiv.1902.07537,
title = {On Detecting and Preventing Jamming Attacks with Machine Learning in Optical Networks},
author = {Mounir Bensalem and Sandeep Kumar Singh and Admela Jukan},
journal= {arXiv preprint arXiv:1902.07537},
year = {2020}
}
备注
This paper is uploaded here for research community, thus it is for non-commercial purposes