南京邮电大学学报(自然科学版)

作者：刘纪伟,李睿楠,张玉,梁彧

单位：国家计算机网络与信息安全管理中心河北分中心，河北石家庄050021北京邮电大学 国际学院，北京102206国家计算机网络与信息安全管理中心河北分中心，河北石家庄050021恒安嘉新（北京）科技股份公司，北京100086

关键词：DDoS攻击；增量式GHSOM；八元组联合特征；动态更新

基金：河北省重点研发计划（20310701D）和国家计算机网络与信息安全管理中心青年基金（2019Q34）资助项目

分布式拒绝服务（distributed denial of service，DDoS）攻击自出现以来一直是全球互联网网络安全的重要威胁之一。目前很多DDoS攻击检测方法虽然对已知类型攻击具有较高的检测率，但是不能有效识别新的攻击类型，无法应对DDoS攻击形式变化多和快的特点。为了准确检测出DDoS攻击，同时使检测模型具有良好的自适应性、扩展性和较低的更新代价，以应对层出不穷的DDoS攻击，提出了一种综合考虑网络流量双向特征、固定特征和统计特征，采用增量式GHSOM（Growing Hierarchical Self Organizing Maps）神经网络算法的DDoS攻击检测方法。首先，根据DDoS攻击流量的特点提取流量特征，组成流量八元组联合特征，然后利用增量式GHSOM神经网络算法进行异常流量分析，最后，通过实验验证检测方法的有效性。实验结果表明，提出的DDoS攻击检测方法不仅能够有效检测出已知类型的DDoS攻击，而且能够实现对检测模型的在线动态更新，对于新出现的DDoS攻击类型，具有相同的检测率。

来源：2020年第3期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2020年第3期