分布式拒绝服务(distributed denial of service,DDoS)攻击是重要的安全威胁,网络速度的不断提高给传统的检测方法带来了新的挑战。以Spark等为代表的大数据处理技术,给网络安全的高速检测带来了新的契机。提出了一种基于Spark Streaming框架的自适应实时DDoS检测防御技术,通过对滑动窗口内源簇进行分组,并根据与各分组内源簇比例的偏差统计,检测出DDoS攻击流量。通过感知合法的网络流量,实现了对DDoS攻击的自适应快速检测和有效响应。实验结果表明,该技术可
DDoS检测系统
旨在使用机器学习技术和SDN来检测和缓解DDoS攻击的系统。
参考书目
R. Braga，E。Mota和A.Passito，“使用NOX / OpenFlow进行轻量级DDoS泛洪攻击检测”，IEEE本地计算机网络会议，丹佛，CO，2010年，第408-415页。 doi ： PDF ： :
针对应用层分布式拒绝服务攻击，利用 Web日志的数据挖掘方法提出一种 K 均值多重主成分分析算法和基于该算法的App-DDoS检测方法。首先，通过分析正常用户和攻击者的访问行为区别，给出提取统计属性特征的方法；其次，根据主成分分析法的数据降维特性并利用最大距离划分法，提出一种K均值多重主成分分析算法，构建基于该算法的检测模型。最后，采用CTI-DATA数据集及模拟攻击获取的数据集，进行与模糊综合评判、隐半马尔科夫模型、D-S证据理论3种检测方法的App-DDoS攻击检测对比实验，实验结果证明 K
