SDN网络环境下基于混沌理论的分布式拒绝服务攻击检测

发布时间：2022-10-21 16:42

　　针对传统机器学习算法在分布式拒绝服务攻击检测中存在检测时间过长、控制器负载过大等缺点,提出基于混沌理论模型下分布式拒绝服务攻击流量预测算法.首先,收集正常数据包和流表信息,当异常流表信息进入系统时,若初始状态之间存在微小差异,初始位置的运动状态轨迹会以指数速率分离;根据Lyapunov指数的取值范围判断进入系统的数据和流信息是否合法,若判断为异常流信息,立即清除.实验结果表明,提出的研究思路对攻击流信息敏感度较高,对分布式拒绝服务攻击的检测率、准确率、误报率相较于传统机器学习算法和统计分析算法有明显的提高. 

【文章页数】：6 页

【文章目录】：
1 设计思想与数据准备
    1.1 基于SDN网络环境的DDoS攻击检测模型
    1.2 数据包和流表信息收集模块
    1.3 重构数据集相空间
    1.4 混沌理论模型分析
2 实验验证
    2.1 实验环境
    2.2 结果对比分析
        1) 检测率(DR):
        2) 准确度(ACC):
        3) 误报率(FAR):
3 结论


【参考文献】：
期刊论文
[1]SDN下基于深度学习混合模型的DDoS攻击检测与防御[J]. 李传煌,吴艳,钱正哲,孙正君,王伟明.  通信学报. 2018(07)
[2]SDN环境下基于BP神经网络的DDoS攻击检测方法[J]. 王晓瑞,庄雷,胡颖,王国卿,马丁,景晨凯.  计算机应用研究. 2018(03)
[3]SDN环境下基于KNN的DDoS攻击检测方法[J]. 肖甫,马俊青,黄洵松,王汝传.  南京邮电大学学报(自然科学版). 2015(01)
[4]基于重采样的混沌时间序列相空间重构研究[J]. 李夕海,刘代志,张斌,翟为刚.  信号处理. 2006(02)



本文编号：3696010