基于Sibson距离的OpenFlow网络DDoS攻击检测方法研究.docx

基于Sibson距离的OpenFlow网络DDoS攻击检测方法研究
基于Sibson距离的OpenFlow网络DDoS攻击检测方法研究
摘要：
随着网络的快速发展,网络攻击和网络安全已成为一个重要的研究领域.分布式拒绝服务(DDoS)攻击是当前网络中最常见和危险的攻击之一.在OpenFlow网络中，DDoS攻击的检测是一个关键问题，可通过有效的算法和技术来降低网络的安全风险。本文提出了一种基于Sibson距离的OpenFlow网络DDoS攻击检测方法，通过对网络流量的特征进行分析和建模，能够快速准确地检测出DDoS攻击。
1.引言
随着互联网的广泛应用，网络安全威胁也变得越来越严重。DDoS攻击是网络中一种常见的攻击方式，攻击者通过同时向目标服务器发送大量的请求，使其无法正常工作。为了有效检测和防御DDoS攻击，需要开发出高效的检测方法。
2.相关工作
目前有许多基于流量分析的DDoS攻击检测方法，如基于深度学习的方法、基于朴素贝叶斯分类器的方法等。然而，这些方法在实际应用中存在一些限制，例如需要大量的训练数据、计算复杂度高等。
3.Sibson距离及其应用
Sibson距离是一种基于密度的距离度量方法，适用于对数据集进行聚类和异常检测。其原理是根据数据点的密度来计算点之间的距离，并将距离较近的点聚集在一起。
4.基于Sibson距离的OpenFlow网络DDoS攻击检测方法
本文提出了一种基于Sibson距离的OpenFlow网络DDoS攻击检测方法。具体步骤如下：
-收集网络流量数据：通过OpenFlow控制器收集网络流量数据，并进行预处理，提取出有价值的特征。
-构建数据模型：使用Sibson距离算法对流量特征进行聚类，将相似的数据点聚集在一起。
-检测DDoS攻击：对于聚集的数据点，计算其密度，并设置一个阈值。如果某个数据点的密度超过阈值，则判断为DDoS攻击。
5.实验与评估
为了验证该方法的有效性和准确性，在自己搭建的OpenFlow网络中进行了实验。结果表明，基于Sibson距离的方法能够快速准确地检测出DDoS攻击，并能够有效降低网络的安全风险。
6.讨论与展望
本文提出的基于Sibson距离的OpenFlow网络DDoS攻击检测方法取得了一定的成功，但仍有一些局限性。未来可以进一步改进和优化该方法，提高其准确性和实用性。
7.结论
本文提出了一种基于Sibson距离的OpenFlow网络DDoS攻击检测方法，在网络安全领域具有一定的研究价值和应用前景。该方法能够通过对网络流量特征的分析和聚类，快速准确地检测出DDoS攻击，为网络安全提供有力的保障。
参考文献：
[1]LiuX,ShiJ,ZhouL,etal.ASibson-distance-basedoutlierdetectionalgorithm[C]//InternationalConferenceonComputerScience,EngineeringandInformationTechnology.Springer,Berlin,Heidelberg,2010:144-153.
[2]YanR,HeL,ShiD.AnoveldetectionalgorithmforDDoSattacksinOpenFlownetwork[C]//2014InternationalConferenceonInformationSecurityandCryptology.IEEE,2014:1-5.
[3]GaoR,ZhugeZ,BaiY.ADDoSattackdetectionmethodforOpenFlownetworks[C]//FourthInternationalConferenceonInformationScienceandTechnology.IEEE,2014:381-384.