计算机工程

作者：李佳松, 崔允贺, 申国伟, 郭春, 陈意, 蒋朝惠

单位：1. 贵州大学计算机科学与技术学院文本计算与认知智能教育部工程研究中心, 贵州 贵阳 5500252. 贵州大学公共大数据国家重点实验室, 贵州 贵阳 5500253. 贵州大学贵州省软件工程与信息安全特色重点实验室, 贵州 贵阳 550025

关键词：软件定义网络,饱和攻击检测,图神经网络,长短期流图,灰色关联系数

基金：国家自然科学基金(62102111); 贵州省科技计划项目(黔科合基础-ZK重点011); 贵州省高等学校大数据安全与网络安全创新团队(黔教技052号)

软件定义网络(SDN)的控制平面与数据平面解耦, 该特性使其广泛应用于数据中心、物联网、云网络等大规模网络场景中。然而, 这种解耦的网络架构也使其面临饱和攻击的挑战。基于图神经网络(GNN)检测饱和攻击是SDN中的研究热点, 但目前GNN中常用的k近邻(k-NN)图忽略了短期流特征, 无法有效聚合节点信息, 使模型不能充分利用流的时间特征。为利用流的长短期特征提高饱和攻击检测精度, 提出一种基于长短期流图及混合GNN的饱和攻击检测方法HGNM。该方法通过设置2个采样时间来收集流的长短期特征, 同时基于灰色关联系数设计一种长短期流图生成方法LSGH以构建长短期流图, 使流图包含流的全部特征。此外, 设计一种混合GNN模型GU-GCN, 通过并联GRU与GCN来获取流的时间特征与空间特征, 从而提高模型检测饱和攻击的精度。实验结果表明: 在生成图上, 相比于k-NN算法和CRAM算法, LSGH方法能有效提高模型的检测精度; 与其他模型相比, GU-GCN模型在准确率、精确率、召回率、F1值、ROC曲线、PR曲线、混淆矩阵方面都有性能提升。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期