基于改进AAR模型的DIDoS攻击早期检测方法

• 作者: 刘运 殷建平 程杰仁 蔡志平
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 分布式增速拒绝服务攻击 流特征条件熵 自适应自回归 支持向量机
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 1-7
• 分类号: TP393.08
• 字数: 6222字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2011.04.001

摘要

分布式增速拒绝服务(DIDoS)攻击采用逐步提升发包速率的方式来造成受害者资源的慢消耗,较之传统的分布式拒绝服务(DDoS)攻击更具隐蔽性,如何尽可能早地将其捕获是一个亟待研究的问题.本文针对DIDoS攻击的特点,提出了一种基于改进AAR模型的DIDoS攻击早期检测方法.为此,首先提出了一组基于条件熵的检测特征:流特征条件熵(TFCE),用以反映DIDoS攻击流速的增长变化;然后根据改进的AAR模型对TFCE值进行多步预测;最后采用经过训练的SVM分类器对预测值进行分类,以识别攻击企图.实验结果表明,在保证检测精度相当的前提下,该方法比部分现有方法能够更快检测到攻击.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡志平	国防科学技术大学计算机学院	38	561	13.0	23.0
2	殷建平	国防科学技术大学计算机学院	68	1057	17.0	30.0
3	程杰仁	国防科学技术大学计算机学院	10	181	7.0	10.0
4	刘运	国防科学技术大学计算机学院	5	107	4.0	5.0