NDN中基于神经网络的兴趣洪泛攻击综合防御方案

发布时间：2024-02-27 11:02

　　命名数据网络(named data networking, NDN)中的请求-应答通信模式及有状态的转发滋生了新的分布式拒绝服务(distributed denial of service, DDoS)攻击方式—兴趣洪泛攻击(interest flooding attack, IFA)。IFA是NDN中主要的拒绝服务威胁,虽然IFA防御方案被广泛研究,但目前缺乏系统的解决方案。针对这一问题,基于粒子群优化的后向传播神经网络算法提出一种新的IFA检测方法,并结合基于基尼不纯度的恶意前缀识别方法和兴趣包回溯方法来缓解攻击危害,形成一种综合的防御方案。通过ndnSIM仿真实验证明,提出的方案不仅可以准确检测和有效防御IFA攻击,而且解决了基于窗口检测方案无法检测连续攻击的问题。

【文章页数】：8 页

【部分图文】：

图1BP神经网络结构

粒子群优化算法是受人工生命研究结果的启发、通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法[14]。由于粒子群优化算法(particleswarmoptimization,PSO)操作简单、收敛速度快,因此在函数优化、图像处理、大地测量等众多....

图2PSO-BP算法的流程图

BP神经网络的阈值和权值是随机初始化的,导致其收敛速度较慢,容易陷入局部极小值,所以本文引入粒子群优化算法来优化BP网络,加快其收敛速度。首先,将BP神经网络权值和阈值进行编码,然后初始化粒子群的位置和速度,接着使用粒子群算法进行迭代获得全局最佳值,最后再将得到的编码解码用于初始....

图3实验拓扑图

本文使用small-scaletreetopology拓扑图如图3。实验的参数设计如表1,正常用户Cx发送的请求符合Zipf-Mandelbrot分布,每秒发送20～100个兴趣包;攻击用户A1发送的恶意请求符合Uniform分布,每秒发送300～1100个兴趣包。正常用户....

图4IFA攻击发生时特征值突变

在实验阶段,获取网络中各种网络状态下的特征数据,构建训练数据集用于BP神经网络分类模型的训练。实验中,部分参数设置如表2,节点Cx为正常用户请求,速率为20～100packets/s,并且有内容提供者P1回应该请求;节点A1为网络中的IFA攻击用户,请求不存在的内容,模拟IFA....

本文编号：3912589