تشخیص DDoS در LSTM برای SDN-VANET

من یک مجموعه داده ترافیک SDN-VANET قابل توجه دارم و نیاز دارم که آن را به یک آشکارساز DDoS مبتنی بر LSTM تبدیل کنم. هسته اصلی کار این است که یک معماری حافظه بلند مدت موجود را بگیرم، آن را با مجموعه داده تطبیق دهم و تشخیص حمله قابل اعتمادی را نشان دهم. روال کاری که من مد نظر دارم به ترتیب زیر است: • مجموعه داده خام را تجزیه کرده و آن را به فرمتی تبدیل یا بارگذاری کنید که کتابخانه‌های رایج یادگیری عمیق (TensorFlow، Keras یا PyTorch) بتوانند آن را بخوانند. • پیش‌پردازش کامل - پاکسازی داده‌ها، استخراج ویژگی و نرمال‌سازی - را اعمال کنید تا توالی‌ها به طور تمیز وارد شبکه شوند. • مدل LSTM انتخاب‌شده را پیاده‌سازی، آموزش، اعتبارسنجی و آزمایش کنید، سپس معیارهای کلیدی مانند دقت، دقت/فراخوانی، F1 و هرگونه بینش مربوط به ماتریس سردرگمی برای DDoS در مقابل ترافیک بی‌خطر را گزارش دهید. • تمام کدها، دفترچه‌های یادداشت و یک فایل راهنمای مختصر را آماده کنید تا بتوانم نتایج را به صورت محلی یا روی یک نمونه GPU بازتولید کنم. در صورت بهبود عملکرد، می‌توانید پیشنهادهایی برای بهبودهای جزئی در پارامترهای ابرداده یا تکنیک‌های منظم‌سازی ارائه دهید، اما ستون فقرات باید LSTM باقی بماند. اگر با SDN، VANET یا مجموعه داده‌های نفوذ شبکه تجربه دارید، این یک مزیت خواهد بود. لطفا یک جدول زمانی تخمینی برای هر مرحله ارائه دهید با تشکر