基于SDN中多维特征的DDoS攻击的检测和缓解
Kun Wang1,2, Yu Fu3, Xueyuan Duan4,5
1Department of Information Security, Naval University of Engineering, Wuhan, 430033, China.
Scientific reports
|July 16, 2024
概括
本研究介绍了在软件定义网络 (SDN) 中检测和减轻分布式拒绝服务 (DDoS) 攻击的两阶段方法. 该方法通过分析多维流量特征来提高检测准确性和网络安全性.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 网络工程 网络工程
背景情况:
- 在软件定义网络 (SDN) 中,传统的分布式拒绝服务 (DDoS) 检测和缓解受到高计算开销,功能不足和过度带宽消耗的影响.
- 现有的方法往往缺乏在动态SDN环境中实时威胁管理所需的效率和准确性.
研究的目的:
- 建议和评估一种新的两阶段检测和缓解方法,用于SDN环境中的DDoS攻击.
- 通过利用多维交通特征来解决传统方法的局限性,以提高准确性和效率.
主要方法:
- 这是一种两阶段的方法,包括通过交通统计分析进行粗粒度检测,并使用多维深度卷积分类器 (MDDCC) 进行细粒度检测.
- MDDCC使用波形分解和卷积神经网络从交通数据中提取多维特征.
- 攻击源追踪和隔离是通过将图形理论与限制性策略集成而实现的.
主要成果:
- 拟议的方法在SDN网络中使用最小的统计信息实现了快速准确的DDoS攻击检测.
- 实验结果表明,与传统方法相比,在模拟和公共数据集上都具有更高的准确性和概括能力.
- 通过隔离受影响的节点来实现有效的缓解,确保在攻击期间持续传输合法流量.
结论:
- 开发的方法显著提高了SDN环境中的DDoS攻击检测和缓解能力.
- 它提供了一个强大的机制,用于制网络威胁,并保护网络完整性和性能.
- 该方法为SDN中的传统DDoS防御策略提供了更有效,更准确的替代方案.
