18、基于机器学习技术的SDN环境下低速率DDoS攻击的流检测与缓解

基于机器学习技术的SDN环境下低速率DDoS攻击的流检测与缓解

1. 引言

软件定义网络（SDN）是一种新兴技术，它通过提供集中式网络控制器和编程接口，克服了传统网络环境中的一些缺点。然而，SDN环境中的安全问题是一个复杂的挑战，尤其是分布式拒绝服务（DDoS）攻击，其中低速率DDoS（LR - DDoS）攻击由于其流量特征与正常流量相似，检测和缓解难度较大。本文提出了一种基于流的检测和缓解框架，利用支持向量机（SVM）、C4.5决策树和朴素贝叶斯等机器学习模型来检测LR - DDoS攻击。

本文的主要贡献包括：
- 引入流管理模块，提取相对包间隔分布、包数量、流持续时间和相对匹配字节分布等关键特征。
- 设计并实现SVM、C4.5和朴素贝叶斯等机器学习模型来检测LR - DDoS攻击。
- 引入黑名单表，收集攻击和恶意流量的信息。
- 讨论并比较了所提出方法在准确性、精确性和召回率方面的性能。

2. 背景和相关工作

2.1 软件定义网络

SDN是一种强大、动态、可直接编程的网络范式，支持当今应用的高带宽特性。其架构将控制平面与数据平面分离，通过可编程接口实现控制。SDN架构由应用平面、数据平面和控制平面组成，通过南北向API实现各平面之间的通信。应用平面包含网络上运行的所有应用和服务；控制平面包含逻辑上集中的控制器，根据应用和数据平面设备的信息决定如何处理流量；数据平面包含交换机和路由器等转发设备，根据控制平面的路由信息转发流量。

2.2 低速率DDoS攻击

DDoS攻击是网络安全的主要威胁之一，低速率DDoS攻击的攻击流量仅占目标网络流量的10