基于超參數優化和LightGBM算法的DDoS攻擊檢測與分類
網絡安全與數據治理
胡宏偉，孫皓月
河北建筑工程學院
摘要： 針對分布式拒絕服務攻擊(DDoS)數據流量樣本容量大、數據特征多的特點以及檢測分類準確率低的問題，提出了一種基于LightGBM（Light Gradient Boosting Machine）算法的DDoS攻擊檢測與分類方法。在CICDDoS2019數據集預處理和特征篩選的基礎上，構建LightGBM檢測模型和多分類模型。同時在模型預訓練時，采用隨機網格搜索與貝葉斯超參數優化技術實現超參數自動調優。實驗結果表明，該模型在檢測與分類任務上能達到98.34%的準確率。該研究為DDoS攻擊提供了一種高效且簡易的檢測與分類思路。
中圖分類號：TP393文獻標識碼：ADOI:10.19358/j.issn.2097-1788.2025.07.003
引用格式：胡宏偉，孫皓月. 基于超參數優化和LightGBM算法的DDoS攻擊檢測與分類［J］.網絡安全與數據治理，2025，44（7）：15-19，26.
引用格式：胡宏偉，孫皓月. 基于超參數優化和LightGBM算法的DDoS攻擊檢測與分類［J］.網絡安全與數據治理，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
分布式拒絕服務攻擊（DDoS）是一種普遍常見的攻擊方式。隨著網絡信息的傳輸速度進一步加快以及物聯網的發展，DDoS攻擊變得比以往更加活躍，攻擊范圍及規模也日益擴大［1］。由于DDoS攻擊的危害性大，每次發生重大攻擊事件波及范圍廣，因此，DDoS 攻擊檢測始終是網絡空間安全領域一個非常重要的研究方向。傳統的DDoS攻擊檢測方法通?；谝巹t和閾值來識別異常流量，但這些方法難以應對新型和復雜的攻擊。因此，研究人員一直在尋求更先進更高效的技術來應對這一威脅。機器學習技術已經顯示出在網絡安全領域中具有巨大潛力，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。
本文詳細內容請下載：
http://www.cowatch.cn/resource/share/2000006609
作者信息：
胡宏偉，孫皓月
（河北建筑工程學院，河北張家口075000）
此內容為AET網站原創，未經授權禁止轉載。