◆方友志 谭坤淋

（重庆对外经贸学院 重庆 401520）

本文以DDoS攻击的检测模型为基础提出一种集成学习分布式检测框架，能够针对DDoS攻击流量特点进行检测方法的研究和分析。这种框架对流量采用了分布式的采集存储技术，同时可以对数据进行实时清洗，能够满足对DDoS攻击检测的精准性与及时性等要求。结合大数据技术框架而建立的DDoS攻击检测系统使用了Gopacket、Libpcap 等工具构建出分布式流量采集传感器，能够对互联网中的流量进行随时的采集，采用Spark Streaming 来构建提取流量特征的模块，提取多维度特征时则采用TCP/IP 的网络编程模式与DDoS攻击流量数据包相结合的方式，检测算法方面采用了分布式森林检测算法来对Spark 所构建出的DDoS攻击检测模型进行检测，这样能够最大限度的满足对大数据流量实时检测的需求。

1 机器学习概述

机器学习属于人工智能中的一个分支，人工智能的脉络是从推理到感知到学习，机器学习是通过让机器进行学习来实现人工智能解决问题的一种方式。机器学习作为一门交叉学科，涉及了多个学科，其中包含统计学、概率论、算法复杂度理论以及逼近论等。通过运用机器学习理论对计算机提供训练，即通过训练能够让计算机系统地学到新的知识以及技能，进而可以对数据进行分类和预测。机器学习具有优秀的分类能力和预测能力，能够广泛应用在信息安全领域当中，目前我国应用机器学习算法的领域有决策树、神经网络、支持向量机以及贝叶斯分类等算法。……