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。
中图分类号：TP393文献标识码：ADOI:10.19358/j.issn.2097-1788.2025.07.003
引用格式：胡宏伟，孙皓月. 基于超参数优化和LightGBM算法的DDoS攻击检测与分类［J］.网络安全与数据治理，2025，44（7）：15-19，26.
引用格式：胡宏伟，孙皓月. 基于超参数优化和LightGBM算法的DDoS攻击检测与分类［J］.网络安全与数据治理，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
分布式拒绝服务攻击（DDoS）是一种普遍常见的攻击方式。随着网络信息的传输速度进一步加快以及物联网的发展，DDoS攻击变得比以往更加活跃，攻击范围及规模也日益扩大［1］。由于DDoS攻击的危害性大，每次发生重大攻击事件波及范围广，因此，DDoS 攻击检测始终是网络空间安全领域一个非常重要的研究方向。传统的DDoS攻击检测方法通常基于规则和阈值来识别异常流量，但这些方法难以应对新型和复杂的攻击。因此，研究人员一直在寻求更先进更高效的技术来应对这一威胁。机器学习技术已经显示出在网络安全领域中具有巨大潜力，可以识别并分类DDoS攻击流量。在此背景下，本研究旨在探索一种基于LightGBM算法的DDoS攻击检测与分类方法。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006609
作者信息：
胡宏伟，孙皓月
（河北建筑工程学院，河北张家口075000）
此内容为AET网站原创，未经授权禁止转载。