基于机器学习的光网络干扰攻击检测、识别与恢复方法

作者：巩小雪; 庞嘉豪; 张琦涵^*; 徐长乐; 秦文帅; 郭磊

来源：通信学报, 2023, 44(07): 159-170.

• 机器学习
• 攻击检测与识别
• 攻击恢复
• 光网络安全

光网络由于其结构的脆弱性，容易受到旨在中断通信服务的信号干扰攻击。基于此，提出了一种基于机器学习的攻击检测、识别与恢复框架。在攻击检测与识别方面，评估了BiLSTM、1DCNN和7种常规机器学习分类器（ANN、DT、KNN、LDA、NB、RF和SVM）在检测攻击是否存在，以及识别受到的不同类型的干扰攻击上的性能。在攻击恢复方面，提出了基于BiLSTM-BiGRU的干扰攻击恢复模型，分别用来恢复轻度带内、强度带内、轻度带外和强度带外干扰攻击。数值仿真结果表明，所提模型表现出优异的性能，检测与识别准确率高达99.20%，针对4种攻击的恢复率分别为95.05%、97.03%、94.06%和61.88%。

• 单位
  通信与信息工程学院; 重庆邮电大学; 东北大学