李传煌，吴艳，钱正哲，孙正君，王伟明



SDN下基于深度学习混合模型的DDoS攻击检测与防御

李传煌，吴艳，钱正哲，孙正君，王伟明

（浙江工商大学信息与电子工程学院，浙江 杭州 310018）

软件定义网络（SDN, software defined network）作为一种新兴的网络架构，其安全问题一直是SDN领域研究的热点，如SDN控制通道安全性、伪造服务部署及外部分布式拒绝服务（DDoS, distributed denial of service）攻击等。针对SDN安全中的外部DDoS攻击问题进行研究，提出了一种基于深度学习混合模型的DDoS攻击检测方法——DCNN-DSAE。该方法在构建深度学习模型时，输入特征除了从数据平面提取的21个不同类型的字段外，同时设计了能够区分流类型的5个额外流表特征。实验结果表明，该方法具有较高的精确度，优于传统的支持向量机和深度神经网络等机器学习方法，同时，该方法还可以缩短分类检测的处理时间。将该检测模型部署于控制器中，利用检测结果产生新的安全策略，下发到OpenFlow交换机中，以实现对特定DDoS攻击的防御。

分布式拒绝服务；软件定义网络；攻击检测；深度学习

1 引言

分布式拒绝服务（DDoS, distributed denial of service）[1]攻击是一种具有极强危害性的分布式、大范围协同作战的网络攻击方式，攻击者利用其控制的众多傀儡机，同时向被攻击目标发起拒绝服务（DoS, denial of service）攻击，最终导致被攻击目标的系统资源耗尽甚至崩溃，被攻击目标“拒绝”为正常用户提供所需服务。DDoS攻击主要针对被攻击目标的系统资源和网络带宽，攻击范围包括网络层到应用层。自1999年发生第一起DDoS攻击以来，DDoS已经成为广泛且致命的网络安全威胁之一。……