虛擬講堂 進入演講 講 題 植基於機器學習之分散式阻斷服務攻擊偵測 講 者 國立高雄科技大學 孫維淋, 謝欽旭, 洪盟峰, 繆德澤, 林昱文 日 期 2019/09/26 長 度 00:11:47 人 氣 144 次 摘 要 現今物聯網的快速成長，在我們享受科技帶 來的便利時，分散式阻斷服務攻擊(Distributed Denial of Service, DDoS)一直是伴隨在暗處的隱憂， 伺服器的資訊安全受到威脅，使用者的服務受到 阻斷，公司面臨財政、名聲上的損失。隨著人工 智慧的興起，人工智慧技術也被應用於 DDoS 入侵 偵測系統中，本研究比較常見機器學習的方法， 應用於 DDoS 入侵偵測系統當中，以比較哪種機器 學習的方法較適用於現今的 DDoS 入侵樣態。而深 度學習近幾年逐漸興起，有足夠的資料就可以使 電腦自我學習特徵並進行判斷，本研究利用卷積 神經網路與長短期記憶網路，探究機器學習和深 度學習應用在 DDoS 入侵檢測上的效能表現。而為 降低訓練的複雜度與訓練的時間，本研究以隨機 森林(Random Forest)、交叉驗證之遞歸特徵消除 (Recursive Feature Elimination with Cross-validation, RFECV)和主成分分析(Principal Component Analysis, PCA)進行特徵的選擇，以探究哪種特徵 選取的方法適合用於機器學習與深度學習，比較 其中準確率與效能的差異。 提 供 TANET台灣網際網路研討會-TANET2019 進入演講