SDN中基于深度學習混合模型的DDOS攻擊檢測與防御技術研究.pdf_第1頁
已閱讀1頁,還剩85頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、分布式拒絕服務(DDoS)儼然成為網(wǎng)絡安全方面最為棘手的問題之一?,F(xiàn)有的DDoS攻擊檢測與防御方法存在著檢測時延長,檢測精度低,誤報率較高等問題,并且對于新類型的DDoS攻擊束手無策。
  SDN(Software Defined Network,軟件定義網(wǎng)絡)是一種發(fā)展?jié)摿薮蟮男滦途W(wǎng)絡架構,它的核心思想是轉發(fā)與控制分離,將智能集中到控制器上進行集中控制。雖然SDN解決了傳統(tǒng)網(wǎng)絡的諸多隱患,但作為一個新興的技術,SDN還存在許多

2、的問題。其中,安全性問題是重要問題之一。SDN架構內部的安全隱患主要有SDN協(xié)議的不完善等,外部安全隱患主要有DDoS攻擊等,并且從技術角度上考慮,發(fā)起DDoS攻擊很容易,但是防御DDoS攻擊的方法的有效性較低。
  本文針對SDN中的安全性問題進行研究,提出了一種SDN中基于深度學習混合模型(DCNN-DSAE)的DDoS攻擊檢測方法,以提高模型對SDN中網(wǎng)絡流量分類的準確性。其中,DCNN-DSAE模型的第一級采用的是基于卷積

3、神經(jīng)網(wǎng)絡的C3P2F2模型,第二級采用的是基于堆棧自編碼的SAE4模型。DCNN-DSAE模型不僅可以提高分類檢測的精度,還可以縮短分類檢測的處理時間,從而有效地緩解了SDN網(wǎng)絡中的DDoS攻擊效應,避免資源耗盡。
  本文將DDoS攻擊檢測模塊部署在控制平面,開發(fā)了一套基于深度學習混合模型的攻擊檢測防御系統(tǒng),它既可用于數(shù)據(jù)平面的DDoS攻擊檢測,又可用于控制平面的DDoS攻擊檢測。最后,通過不同類型的DDoS攻擊實驗,驗證了檢測

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論