> Detailanzeige

Heseding, Hauke [Verfasser:in]; Krack, Timon [Verfasser:in]; Zitterbart, Martina [Verfasser:in]; Seufert, Michael [Verfasser:in]; Blenk, Andreas [Verfasser:in]; Landsiedel, Olaf [Verfasser:in]

Reducing memory footprints in purity estimations of volumetric DDoS traffic aggregates

Literatur-
verwaltung

Zur
Merkliste

Lösche von
Merkliste

Per Whatsapp teilen

Schließen

Merkliste



Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
  • Medientyp: Sonstige Veröffentlichung; E-Artikel; Elektronischer Konferenzbericht
  • Titel: Reducing memory footprints in purity estimations of volumetric DDoS traffic aggregates
  • Beteiligte: Heseding, Hauke [Verfasser:in]; Krack, Timon [Verfasser:in]; Zitterbart, Martina [Verfasser:in]; Seufert, Michael [Verfasser:in]; Blenk, Andreas [Verfasser:in]; Landsiedel, Olaf [Verfasser:in]
  • Erschienen: Universität Augsburg, 2023-12-13
  • Sprache: Englisch
  • Schlagwörter: Distributed denial of service ; DATA processing & computer science ; hierarchical heavy hitters ; feature importance ; machine learning
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: Distinguishing between attack and legitimate traffic in volumetric DDoS scenarios is challenging. Hierarchical Heavy Hitter algorithms can efficiently monitor high-volume traffic aggregates, but provide no insight into traffic composition. Monitoring complementary traffic features enables classification of traffic aggregates with machine learning, but increases the memory footprint of Hierarchical Heavy Hitter algorithms. Since the performance of these algorithms depends on the efficiency of memory usage, we evaluate feature importance to find a compact feature set for accurate distinction of legitimate and attack traffic.
  • Zugangsstatus: Freier Zugang