17、软件定义网络中高级机器学习/深度学习入侵检测系统及迁移攻击研究

软件定义网络中高级机器学习/深度学习入侵检测系统及迁移攻击研究

一、软件定义网络（SDN）概述

传统网络架构中，控制平面和数据平面功能在路由器和交换机上实现，这导致流量策略独立配置，部署新协议时需更新或替换所有设备，且使用设备级工具管理配置耗时且易出错。软件定义网络（SDN）应运而生，其与传统网络的主要区别在于存在网络控制器。

SDN 架构包含数据平面（主要由传输设备组成）、顶部的应用平面（包含各种 SDN 应用）以及作为应用层和数据平面通信桥梁的控制平面。SDN 将控制平面与数据平面分离，将网络智能集中在可编程的“控制器”中，通过 API 管理数据平面的多个元素。这种集中式方法使 SDN 控制器能全面了解整个基础设施，相比传统网络可显著降低成本。

不过，SDN 虽有诸多优势，但易受安全威胁。随着 SDN 规模和功能的扩展，漏洞和错误出现的可能性增加，攻击者可能利用这些漏洞进行恶意活动，如网络入侵。常见的网络入侵策略之一是对网络进行洪泛或过载攻击，以获取网络相关数据，进而利用系统的脆弱点。

二、网络入侵检测系统（IDS）

1. IDS 作用
   网络入侵检测系统（IDS）是监控网络流量、分析潜在攻击或可疑活动的重要工具，有软件和硬件两种形式。其主要作用是检查网络流量，识别异常活动或模式，并及时通知网络管理员。
2. 检测方法分类
   • 签名式检测 ：依赖已知攻击的数据库来识别恶意流量，数据库会定期更新以包含最新威胁。但它无法识别数据库中未包含的零日攻击。常见的基于网络