基于超参数优化和LightGBM算法的DDoS攻击检测与分类
网络安全与数据治理
胡宏伟，孙皓月
河北建筑工程学院
摘要： 针对分布式拒绝服务攻击(DDoS)数据流量样本容量大、数据特征多的特点以及检测分类准确率低的问题，提出了一种基于LightGBM（Light Gradient Boosting Machine）算法的DDoS攻击检测与分类方法。在CICDDoS2019数据集预处理和特征筛选的基础上，构建LightGBM检测模型和多分类模型。同时在模型预训练时，采用随机网格搜索与贝叶斯超参数优化技术实现超参数自动调优。实验结果表明，该模型在检测与分类任务上能达到98.34%的准确率。该研究为DDoS攻击提供了一种高效且简易的检测与分类思路。
中圖分類號：TP393文獻(xiàn)標(biāo)識碼：ADOI:10.19358/j.issn.2097-1788.2025.07.003
引用格式：胡宏偉，孫皓月. 基于超參數(shù)優(yōu)化和LightGBM算法的DDoS攻擊檢測與分類［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2025，44（7）：15-19，26.
引用格式：胡宏偉，孫皓月. 基于超參數(shù)優(yōu)化和LightGBM算法的DDoS攻擊檢測與分類［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2025，44（7）：15-19，26.
DDoS attack detection and classification based on hyperparameter optimization and LightGBM algorithm
Hu Hongwei, Sun Haoyue
Hebei University of Architecture
Abstract： Aiming at the characteristics of large sample capacity and multiple data features of distributed denial of service attack (DDoS) data traffic as well as the problem of low detection and classification accuracy, this paper proposes a DDoS attack detection and classification method based on LightGBM (Light Gradient Boosting Machine) algorithm.Based on the preprocessing and feature screening of the CICDDoS2019 dataset, the LightGBM detection model and multi-classification model are constructed. Meanwhile, random grid search and Bayesian hyperparameter optimisation techniques are used to achieve hyperparameters auto-tuning during model pre-training.The experimental results show that the model in this paper can achieve an accuracy rate of 98.34% in the detection and classification tasks. This research aims to provide an efficient and simple detection and classification idea for DDoS attacks.
Key words : DDoS attacks; hyperparameter optimization; LightBGM; detection and classification
引言
分布式拒絕服務(wù)攻擊（DDoS）是一種普遍常見的攻擊方式。隨著網(wǎng)絡(luò)信息的傳輸速度進(jìn)一步加快以及物聯(lián)網(wǎng)的發(fā)展，DDoS攻擊變得比以往更加活躍，攻擊范圍及規(guī)模也日益擴(kuò)大［1］。由于DDoS攻擊的危害性大，每次發(fā)生重大攻擊事件波及范圍廣，因此，DDoS 攻擊檢測始終是網(wǎng)絡(luò)空間安全領(lǐng)域一個非常重要的研究方向。傳統(tǒng)的DDoS攻擊檢測方法通常基于規(guī)則和閾值來識別異常流量，但這些方法難以應(yīng)對新型和復(fù)雜的攻擊。因此，研究人員一直在尋求更先進(jìn)更高效的技術(shù)來應(yīng)對這一威脅。機(jī)器學(xué)習(xí)技術(shù)已經(jīng)顯示出在網(wǎng)絡(luò)安全領(lǐng)域中具有巨大潛力，可以識別并分類DDoS攻擊流量。在此背景下，本研究旨在探索一種基于LightGBM算法的DDoS攻擊檢測與分類方法。
本文詳細(xì)內(nèi)容請下載：
http://ihrv.cn/resource/share/2000006609
作者信息：
胡宏偉，孫皓月
（河北建筑工程學(xué)院，河北張家口075000）
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。