SDN下基于深度学习混合模型的DDoS攻击检测与防御

• 作者: 吴艳 孙正君 李传煌 王伟明 钱正哲
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 分布式拒绝服务 软件定义网络 攻击检测 深度学习
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 学术通信
• 页码范围: 176-187
• 页数: 12页
• 分类号: TP393
• 字数: 8932字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018128

摘要

软件定义网络(SDN,software defined network)作为一种新兴的网络架构,其安全问题一直是SDN领域研究的热点,如SDN控制通道安全性、伪造服务部署及外部分布式拒绝服务(DDoS,distributed denial of service)攻击等.针对SDN安全中的外部DDoS攻击问题进行研究,提出了一种基于深度学习混合模型的DDoS攻击检测方法——DCNN-DSAE.该方法在构建深度学习模型时,输入特征除了从数据平面提取的21个不同类型的字段外,同时设计了能够区分流类型的5个额外流表特征.实验结果表明,该方法具有较高的精确度,优于传统的支持向量机和深度神经网络等机器学习方法,同时,该方法还可以缩短分类检测的处理时间.将该检测模型部署于控制器中,利用检测结果产生新的安全策略,下发到OpenFlow交换机中,以实现对特定DDoS攻击的防御.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟明	浙江工商大学信息与电子工程学院	42	220	7.0	14.0
2	李传煌	浙江工商大学信息与电子工程学院	8	156	5.0	8.0
3	吴艳	浙江工商大学信息与电子工程学院	2	20	2.0	2.0
4	钱正哲	浙江工商大学信息与电子工程学院	1	17	1.0	1.0
5	孙正君	浙江工商大学信息与电子工程学院	2	27	2.0	2.0