Usage of Machine Learning in DDOS Attack Detection

Adilzhan Slyamkhanov, Zhanybek Bozbayev, Ayym Alzhanova, Artur Pan, Temirlan Ramazan, Leila Rzayeva

2023

DOI 10.1109/wincom59760.2023.10322885

Достоверность данных 70 средняя

Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

In this article, the best model for determining DDoS attacks using machine learning algorithms is proposed. During the research work, models were built using algorithms such as RFC (Random Forest Classifier), Logistic Regression, SVM (Support Vector Machine), KNN (k-Nearest Neighbor) and Decision Tree Classifier. A comparative analysis of each model was carried out with the reduction of their metrics, as a result of which the model with the best results was selected, showing the accuracy of the tests at 0.9995.