El rápido crecimiento de la computación en la nube ha llevado al desarrollo de la Red Definida por Software (SDN), que es una estrategia de red que ofrece gestión dinámica y un rendimiento mejorado. Sin embargo, las amenazas a la seguridad son una preocupación creciente, particularmente con el controlador SDN convirtiéndose en un objetivo atractivo para actores maliciosos y posibles ataques de Denegación de Servicio Distribuida (DDoS). Muchos investigadores han propuesto diferentes enfoques para detectar ataques DDoS. Sin embargo, esos enfoques sufren de altos falsos positivos, lo que lleva a una baja precisión, y la principal razón detrás de esto es el uso de características no calificadas y conjuntos de datos no realistas. Por lo tanto, se puede utilizar la técnica algorítmica de aprendizaje profundo (DL) para detectar ataques DDoS en controladores SDN. Además, el enfoque propuesto implica tres etapas: (1) preprocesamiento de datos, (2) selección de características cruzadas, que tiene como objetivo identificar características importantes para la detección de DDoS, y (3) detección utilizando el modelo de Redes Neuronales Recurrentes (RNNs). Se emplea un conjunto de datos de referencia para evaluar el enfoque propuesto a través de métricas de evaluación estándar, incluyendo la tasa de falsos positivos y la precisión de detección. Los hallazgos indican que el enfoque recomendado detecta eficazmente los ataques DDoS con una precisión de detección promedio, precisión promedio, tasa de FPR promedio y medida F1 promedio de 94.186%, 92.146%, 8.114% y 94.276%, respectivamente.