SDN下DDoS攻击检测与防护方法研究

来源 :长春工业大学 | 被引量 : 0次 | 上传用户:jackchenz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伴随着网络不断的高速发展,互联网早已成为人们日常生活中不可缺少的一部分。在互联网带来高速便捷的同时,也面对着严峻的安全问题。在传统互联网的网络架构中,网络设备配置复杂、不同类型设备扩展性差等缺陷问题,已经愈发的难以满足时代对网络灵活高效的管理诉求。软件定义网络(Software Defined Network,SDN)作为一种新型的网络架构概念顺应而生。这种全新的网络架构冲破了传统网络架构固有的垂直整合模式,凭借着众多优势(数据平面与控制平面进行分离与开放可编程的特性)为网络体系结构研究提供了一种新的实验途径,极大的推动了互联网的发展。如今,SDN的网络架构凭借着自身广泛的应用,在云计算数据中心中有着很大的优势。现今,如何让SDN的网络架构更加安全变成了当下日益凸显问题。本文主要研究了SDN环境下,关于分布式拒绝服务(Distributed Denial of Service,DDoS)攻击的检测与防护方法。具体研究工作如下:(1)针对SDN网络架构中DDoS攻击检测的问题,提出了一种主成分分析融入SDN方法(SDN-PCA)进行流量分析,将测量数据映射到一组新的主轴或组件。该方法具有将每个主组件都指向数据中最大变化方向的特点(给定先前组件中已考虑的能量),解决了在SDN网络架构中检测DDoS攻击行为的问题。首先利用SDN网络架构的特点收集流量数据,通过建立时间和流量的测量矩阵,然后根据不同时间序列上流量的特征向量和特征值,得到不同时间序列上的原始矩阵,最后再将原始矩阵分成正常分量和异常分量,依据分量在对应子空间上的投影进行线性变换。网络中的异常量的发生将导致剩余分量较大的变化,进而通过平方预测误差来统计监测剩余分量的异常变化。实验表明,提出的检测方法能够对DDoS攻击做出快速且有效的检测响应。(2)针对SDN网络架构下DDoS防御问题,提出了一种融合网络功能虚拟化的方式进行抑制攻击造成的影响。该方法采用安全计算中心进行虚拟化生成包含预设安全规则库的安全设备后,通过SDN网络集中控制的特性进行流量牵引,将检测包含DDoS流量的数据通过转发规则指引到虚拟安全设备进行处理的方式,抑制在SDN网络架构下DDoS攻击。首先根据检测到的攻击威胁进行建模,构建已知威胁构建防御策略库,防御策略库中包含不同的攻击类型对应的防御策略,在通过流量的检测后,依据上下文编码在数据包头部信息中打上标签,标记正常或异常的流量,在检测到可疑流量之后,进行资源调度,确定要实例化的虚拟防御设备,依据设计的资源调度启发式算法把攻击流量转发到虚拟安全设备上,继而缓解攻击造成的影响。实验验证,该防护DDoS攻击的缓解方式能够有效的缓解攻击造成的影响,降低网络中的延迟,提高网络的可用性。本文针对SDN下的DDoS攻击采用先检测,再防御的思想,通过在Mininet网络模拟器中搭建网络环境进行模拟得出结论。通过模拟实验的结果表明:设计的检测模型能够在SDN网络中准确的捕获到DDoS流量的存在,对比传统的利用香农熵检测的方式,具有更好的检测效果和更低的CPU消耗;同时针对于整个网络的DDoS攻击方式也能够有精准的检测效果,整体表现要优于传统的检测手段;防御模型也能够起到显著的防护抑制效果,针对网络中存在的瞬时大量的攻击流量能够起到强有力的防护效果,在开启防护策略模型后,明显降低了目标主机的访问延迟,在性能方面与流表下发数量方面也有出色的表现。
其他文献
如今,超高压电网采取集中监控、统一调度的模式统筹管理,变电设备隐患、缺陷的排查很大程度上依赖于设备状态监视系统。这种工作模式下,设备的指标示数往往是在“临界”、甚至“越限”才会被运维人员发现,工作前瞻性不足、贻误“苗头性”缺陷治理时机,工作效率、操作精度受到很大制约,极易造成“小恙成疾”、“小病成灾”的被动局面。当前,社会经济的飞速发展对电网安全提出更高需求,尤其对供电的可靠性、稳定性要求更为严格
感知识别技术是将硬件设备与数据处理技术相结合,从而感知识别周围环境。随着物联网技术的发展,感知识别技术逐步应用于人类生活,如基于雷达的人群密度估计方法、基于RFID的
近年来,随着数据挖掘、机器学习、深度学习等技术的兴起与发展,企业从普通用户处收集到了大量的数据,并对这些数据进行分析处理来了解用户的习惯和喜好,从而向用户提供更加个
因特网技术的不断普及和发展,使得社会对网络的依赖越来越多,网络已成为经济社会发展的重要基础设施。网络在带给人们方便的同时也给社会和个人带来安全威胁。网络入侵检测技术通过对网络流量数据中潜在的入侵攻击行为进行检测识别,为社会和个人提供防护,维护网络安全,抵御网络安全威胁。传统的网络入侵检测技术需要依靠专家知识人工设计特征集对网络数据进行特征匹配,或使用基于机器学习的分类、聚类算法进行检测识别任务。上
数据挖掘能够从大量数据中发掘出有效信息和潜在模型,而聚类分析作为其中的一项重要技术,通过将数据分类来发现特征,被广泛运用于商业、医学、科研等领域。然而,在对数据进行
近年来,网络攻击已导致全球范围内多起电力系统停电事故,严重影响了社会生产活动甚至威胁到国家安全。造成停电事故的主要原因之一是网络攻击通过对信息层的破坏渗透影响物理
由于互联网上的多媒体数据爆炸式增长,人们对于能够方便快捷地检索多模态数据的需求日益增强,跨模态检索已经成为当前的研究热点。为了满足实际应用中低存储成本和高查询速度的要求,哈希技术在跨模态检索领域备受关注,它将高维多模态数据映射到公共的汉明空间进行模态间地相互检索。本文主要研究使用深度神经网络将多模态数据投影到公共的汉明空间,从减小编码误差、挖掘多模态数据的语义信息和缩小跨模态数据之间的差异性三个角
车联网(Internet of Vehicles)作为汽车驾驶、电子信息、交通运输等行业深度融合的新型产业形态,越来越成为各国竞相发展的重要方向。车联网以车内网、车际网和车载移动互联
随着移动通信网络的不断发展,有限的频谱资源成为了制约蜂窝网络性能的主要原因。设备到设备(Device-to-Device,D2D)通信基于蜂窝网络和蜂窝用户共享频谱资源,可以用来改善网
随着移动互联网技术的发展,使得移动终端设备和数据流量迅速增长,并且衍生出了一系列计算密集型和延迟敏感型的应用。然而移动终端设备的计算和存储能力有限,无法支撑计算密集型和延迟敏感型的应用,因此移动终端设备需要将计算复杂的任务卸载到云计算中心来执行,以此来减少服务延迟。然而,将计算任务迁移到云计算中心执行,会带来大量的数据传输,会引起核心网络的拥塞,更会对延迟敏感的用户带来严重影响。移动边缘计算(Mo