基于机器学习的DDoS攻击检测
2021-10-10蓝苓倍张小萍
安徽电气工程职业技术学院学报 2021年3期
蓝苓倍, 张小萍
(广西大学 计算机与电子信息学院,广西 南宁 530004)
伴随着网络技术的出现,DDoS攻击持续不断地增加。单一且原始的攻击在目标主机CPU运行慢,内存小、网络带宽小的条件下,攻击比较有效。随着硬件的迅速发展,计算机CPU处理速度迅猛增长,内存也大大地增加,光纤技术给带宽带来了巨大的发展,给DDoS攻击增加了新的难度。科技发展伴随着DoS攻击进一步的进化—分布式拒绝服务攻击,采用一种特殊的结构,利用大量的傀儡机来发动攻击。相较于单一攻击模式,以更大的规模来攻击目标服务器或网络,导致系统资源被完全占用而无法对外提供服务。
DDoS攻击事件引起了广泛关注,并提出了很多防御措施,其中包括DDoS防御、DDoS攻击来源追踪等。在寻求防御措施的同时,攻击者也在不断地更新攻击技术,力求一种保护攻击源不被发现、能够进行高效攻击的技术。僵尸网络就是一个很好的攻击媒介,网络攻击者在互联网中传播感染程序,感染大量目标主机,由这些主机通过控制成为一个规模较大的僵尸网络,它隐秘地分散在互联网中,然而这些目标主机地用户是不知情的,并且这些僵尸程序是由主程序控制的,一旦发生DDoS攻击入侵时,用户则无法访问网络主机。它相比于其他恶意代码更高度可控、可以完全地控制远程计算机,严重破坏系统的机密性和可用性,如何有效地防范这类攻击,对网络安全来说是非常重要的。
在这种复杂的情……
登录APP查看全文
