一種抗DDoS的入侵檢測系統(tǒng)研究.pdf

1、隨著Internet的繁榮，網(wǎng)絡(luò)入侵事件頻繁發(fā)生，各種攻擊手段也層出不窮，其中拒絕服務(wù)攻擊DoS以其攻擊范圍廣、隱蔽性強、簡單有效、破壞性大和難以防御等特點成為最常見的網(wǎng)絡(luò)攻擊手段之一，極大地影響網(wǎng)絡(luò)和主機系統(tǒng)的有效服務(wù)，尤其是分布式拒絕服務(wù)攻擊DDoS，其潛伏期長、攻擊并發(fā)程度高，隱蔽性更強、破壞性更大，嚴(yán)重威脅著Internet的安全。 目前的入侵檢測系統(tǒng)IDS作為一種主動檢測工具，雖然可以對內(nèi)部攻擊、外部攻擊和誤操作進(jìn)行實

2、時檢測，但對高分布性的DDoS攻擊的檢測能力明顯較弱，針對此問題，本文提出一種輕量級的DDoS攻擊檢測方法LDDM，進(jìn)而構(gòu)建了一種抗DDoS攻擊的入侵檢測系統(tǒng)。 該系統(tǒng)融合了輕量級的DDoS攻擊檢測方法LDDM和基于C-F模型的Bayes檢測方法CBDM。LDDM包括特征提取和DDoS攻擊檢測兩個模塊，特征提取主要提取TCP建立連接過程中的SYN包和ACK包等特征，為DDoS攻擊的檢測做準(zhǔn)備；DDoS攻擊檢測根據(jù)合法IP地址數(shù)據(jù)

3、庫判斷偽裝的源IP地址，用改進(jìn)的Bloom Filter進(jìn)行TCP協(xié)議的對稱性分析，然后利用改進(jìn)的無參數(shù)CUSUM算法判斷是否存在DDoS攻擊。CBDM用知識庫記錄正常行為規(guī)則，通過特征分類建立正常行為與特征屬性向量的Bayes網(wǎng)絡(luò)實例，然后訓(xùn)練基于C-F模型的Bayes分類器，并將其應(yīng)用于檢測過程中。 本文首先提出了一種輕量級的DDoS檢測方法LDDM，該方法使用改進(jìn)的無參數(shù)CUSUM算法，不僅可以利用少量的資源有效檢測DDo