Key points are not available for this paper at this time.
サイバー攻撃はますます高度化しており、技術に依存する社会に深刻な脅威を与えています。そのような攻撃は、分散型サービス拒否（DDoS）攻撃であり、公衆ネットワークと技術を統合した企業にとって重大な脅威となっています。これは、複数の攻撃者がデータを取得したり、大企業や国家にサービスを提供したりできるためです。企業のサーバーが不正なリクエストで過負荷になる一方、正当なユーザーのリクエストが拒否されると、分散型サービス拒否（DDoS）攻撃は、任意の時間にWebサービスの可用性を妨害します。そのため、サービスが利用できないと、金銭的損失が発生します。本論文では、DDoS攻撃検出の効果に関して、ロジスティック回帰、ランダムフォレスト、ニューラルネットワークを含む人気の機械学習アルゴリズムの比較分析を行い、その性能の包括的評価を提供します。この研究では、数値データ分析と関連図を取り入れ、DDoS攻撃検出に対する異なる機械学習技術の比較効果に関する洞察を提供しています。キーワード：DDoS攻撃、機械学習、ランダムフォレスト、ロジスティック回帰、ニューラルネットワーク
Manita et al. (Sun,) はこの問題を研究しました。