基于大数据的半分布式僵尸网络动态抑制算法
2020-08-18刘张榕
计算机与现代化 2020年8期
刘张榕
(福建林业职业技术学院自动化工程系,福建 南平 353000)
0 引 言
随着网络信息传输技术的发展,网络的安全性受到人们的极大关注,需要构建半分布式僵尸网络的特征提取模型,结合嵌入式的特征分布式检测方法,进行半分布式僵尸网络的动态抑制,提高半分布式僵尸网络的安全性。在采用半分布式僵尸网络进行数据传输过程中,受到半分布式僵尸网络的环境信息干扰因素的影响[1],导致半分布式僵尸网络的安全性不好。因此,需要建立半分布式僵尸网络的安全性检测模型,结合入侵检测和码元分布式结构重组方法,进行半分布式僵尸网络的动态入侵抑制。对半分布式僵尸网络动态信息抑制方法的相关研究受到人们的极大重视[2]。
文献[3]提出了一种分布式实时僵尸网络检测算法,通过将Netflow组织成主机Netflow图谱和主机关系链,并提取隐含的CC通信特征来检测僵尸网络;同时,基于Spark Streaming分布式实时流处理引擎,实现了BotScanner分布式检测系统。文献[4]提出了基于流量的P2P僵尸网络检测算法,从结构、感染过程等方面进行分析,利用基于流量的检测方法,通过过滤可疑流量、DNS流量检测等,判定是否受到僵尸网络攻击,并提出避免感染僵尸网络的防御措施。文献[5]提出了SDN下基于深度学习混合模型的DDoS攻击检测与防御算法,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,还设计了能够区分流类型的5个额外流表特征。……
登录APP查看全文
