Como una pieza esencial de la infraestructura que respalda la verificación de tecnología de seguridad cibernética, las pruebas de armas y equipos de red, los simulacros de defensa de ataques, y la evaluación de riesgos en red, Cyber Range es excepcionalmente vulnerable a ataques de denegación de servicio distribuido (DDoS) por parte de tres partes maliciosas. Además, algunos atacantes intentan engañar al mecanismo de clasificación/predicción al crear datos de entrada para generar ataques adversariales, lo cual es difícil de defender para los Sistemas de Detección de Intrusiones en Red (NIDS) basados en ML. Este artículo propone un método adversarial DBN-LSTM para detectar y defenderse contra ataques DDoS en entornos SDN, que aplica redes generativas adversariales (GAN) así como redes de creencias profundas y memoria a corto plazo a largo plazo (DBN-LSTM) para hacer que el sistema sea menos sensible a ataques adversariales y para una extracción de características más rápida. Realizamos los experimentos utilizando el conjunto de datos público CICDDoS 2019. Los resultados experimentales demostraron que nuestro método detectó eficientemente los tipos comunes de ataques DDoS más recientes en comparación con otros enfoques.