计算机应用研究

作者：刘向举,尚林松,方贤进,路小宝,

单位：安徽理工大学计算机科学与工程学院,安徽淮南232001；

关键词：软件定义网络,可编程数据平面,可编程协议无关报文处理,分布式拒绝服务攻击,攻击检测,深度神经网络,

基金：国家自然科学基金项目(61572034)；安徽省科技重大专项(18030901025)；；

传统软件定义网络（SDN）中的分布式拒绝服务（DDoS）攻击检测方法需要控制平面与数据平面进行频繁通信，这会导致显著的开销和延迟，而目前可编程数据平面由于语法无法实现复杂检测算法，难以保证较高检测效率。针对上述问题，提出了一种基于可编程协议无关报文处理（P4）可编程数据平面的DDoS攻击检测方法。首先，利用基于P4改进的信息熵进行初检，判断是否有可疑流量发生；然后再利用P4提取特征只需微秒级时长的优势，提取可疑流量的六元组特征导入数据标准化—深度神经网络（data standardization-deep neural network，DS-DNN）复检模块，判断其是否为DDoS攻击流量；最后，模拟真实环境对该方法的各项评估指标进行测试。实验结果表明，该方法能够较好地检测SDN环境下的DDoS攻击，在保证较高检测率与准确率的同时，有效降低了误报率，并将检测时长缩短至毫秒级别。

来源：2022年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第7期