针对新兴的网络应用和复杂的网络结构，拒绝服务(DoS)攻击仍然非常活跃。慢速拒绝服务(LDoS)攻击属于DoS攻击的一种变形，对网络安全具有更强的威胁性。LDoS攻击主要利用TCP协议的漏洞，周期性地发送攻击脉冲，导致网络不断地在稳态和非稳态转换，严重降低网络性能和服务质量。LDoS攻击具有平均速率低、隐蔽性强的特点，能轻易地逃脱传统的DoS攻击防范机制。但是，已有的LDoS攻击检测方法仍有可进一步完善的空间：检测准确率有待进一步提高、误报率有待进一步降低、自适应性有待进一步扩展。因此，为了更有效地识别LDoS攻击，保障网络的安全性和可用性，针对LDoS攻击检测方法的探索和研究具有非常重要的现实意义。
　　网络遭受LDoS攻击时，网络频繁启动拥塞控制机制，导致网络吞吐量严重下降，网络流量呈现明显波动。因此，本文根据正常网络流量和LDoS攻击网络流量离散特征的显著差异，利用联合特征对网络流量进行LDoS攻击检测，从而提出两种针对LDoS攻击的检测方法。
　　本文提出的第一种检测方法为基于WEDMS算法的LDoS攻击检测方法。根据正常网络和LDoS攻击网络中网络流量分布的离散性差异，该检测方法利用WEDMS算法对网络流量进行聚类分析，并通过聚类簇的联合特征定义能表征聚类结果的决策特征。参照判别准则，该决策特征可对网络流量进行LDoS攻击检测。该检测方法在NS2、test-bed以及LBNL、WIDE2006、WIDE2018公共数据集等多种平台上进行实验分析与性能评估。实验结果表明：与其他检测方法相比，该检测方法具有较高的检测准确率、较低的误报率以及较好的自适应性。
　　本文提出的第二种检测方法为基于MFOPA算法的LDoS攻击检测方法。根据正常网络和LDoS攻击网络中网络流量时域和频域特征的差异，该检测方法联合网络流量时域和频域的多个特征，并通过MFOPA算法对联合特征进行离群概率分析以获取离群概率。参照判别准则，该离群概率可对网络流量进行LDoS攻击检测。该检测方法在NS2、test-bed以及LBNL、WIDE2006、WIDE2018公共数据集等多种平台上进行实验分析与性能评估。实验结果表明：与其他检测方法相比，该检测方法具有较高的检测准确率、较低的误报率以及较好的自适应性。