聪明文档网
最新最全的文档下载
当前位置：
首页> 正在进行安全检测...
正在进行安全检测...
时间：2023-11-06 10:49:09 下载该word文档
龙源期刊网http://www.qikan.com.cnDDoS攻击检测技术的研究与实现作者：钟淑平来源：《科学与信息化》2018年第25期摘要世界发展到现在，科学技术突飞猛进，不断进步，在应用维度上也得到了切实地拓展，网络空间的出现，极大地改变着人们的生活，当然，网络在给人们带来有利一面的同时，各类安全隐患也随之而出现。特别当网络覆盖面非常大的前提下，国家安全以及集体与个人的利益都可能因为网络空间而遭受到损失。DDoS攻击在网络发展历程中已经非常普遍，也给网络安全带来了重大挑战，需要我们注意。关键词DDoS攻击；检测；技术1DDoS攻击分布式拒绝服务（DistributedDenialofServiceDDoS）攻击主要是利用分布式网络是进行攻击，这种有针对性的攻击模式显然可以影响到服务可用性。对比仅仅利用一台主机来进行拒绝服务攻击，这种分布式网络的攻击模式显然威力更大，波及的范围更大，攻击也更加复杂。1.1DDoS攻击类型DDoS攻击在协议栈中不断上移，攻击从最开始的网络层，逐步发展到应用层，攻击的方法也变得不再单一化。按照相关的评价标准，对DDoS攻击进行分类可以分为如下几种：①按照DDoS攻击能够损耗的资源来分类，分别为消耗系统资源、网络带宽资源以及应用资源的攻击。②从攻击数据包所处的网络层次来划分，分别分为：传输层攻击、网络层攻击以及应用层攻击。③从攻击数据包发送的频率和速度划分：慢速攻击与洪水攻击[1]。2DDoS攻击检测技术DDoS攻击存在着部分特点，一旦攻击开始后，能够按照这些不同的特点来就DDoS攻击实施全方位的检测。解决DDoS攻击的问题，精准、及时的检测是最基础的工作之一。现在，许多国家的学者都开始着手研究其DDoS攻击的检测手段，寄希望于可以精准科学地对DDoS攻击实施检测。这一部分对当前DDoS攻击检测技术给予了全面的总结。DDoS攻击检测方法在种类上有许多，总结来看，重点选择的应该有如下三类：2.1基于统计学的检测方法这种方法所利用的中心想法是统计的运用，这也是最开始应用的一种方法，这种方法主要是对正常情况下流量与攻击状态下的流量实施比较，主要的手段为，经过观察网络出现DDoS攻击后，流量猛增现象时，对比两种不同状态下的流量相关数值，但是，网络正常情况下的流
龙源期刊网http://www.qikan.com.cn量阂值是难以直接得到的，必须要利用统计的方法，经过对比二者的流量值，从而断定DDoS攻击是不是存在的，一般用到的方法有：（1）贝叶斯学习检测方法，这一理论可以理解成：对某件事以前发生的概率进行全面总结，以此来预测出这一件事会否发生。这种方法针对DDoS攻击检测，将检测问题视作为攻击序列多值分类问题，打造出了某一个可以实现自我学习的攻击检测模型，经过前期不断学习和训练，断定目标数据是正常的，还是非正常的。（2）基于请求页面大偏差统计模型的检测方法，这种方法主要的基础上构建起大偏差统计模型，主要检测判断的根本是正常用户一般访问的网站确定为高频网站，因此，通常网页点击率展现出Zipf分布，当攻击开始时，攻击者一般不会去过多地考虑后果，通常会随机任意去请求网页。按照先验概率分布可以实现全面的检测。因为涉及的用户数量多，有着各种不同的爱好，这就造成了部分跟大众行为存在差异的用户能够判断出来，视作为攻击，不过误报率比较高。2.2基于信息化的检测方法近些年，社会信息化的实现，关于网络安全的信息论应用维度得以不断扩展，这是不争的实施，在攻击过程中不断利用信息化概念及延伸理论。通常使用到的方法有：（1）基于动态阂值的检测方法，之前经常用到的以信息墒为基础的DDoS攻击检测的方法主要是对正常与非正常的前提下的IP地址的特点进行对比，正常时，数据包目的IP地址分布的比较多，嫡值较大。当出现了DDoS攻击以后，在网络中，一些IP地址在访问量上会出现莫名的增加，嫡值出现减少。不过，这一方法自身也存在弊端，主要是很难就DDoS攻击与突然发生的正常的网络流量予以清晰的区别，对于这一情况，提出了另外一种在动态阂值基础上的检测手段，不过这一手段难以良好地检测出慢速攻击这种形式。（2）基于信息嫡和支持向量机结合的检测方法，这种方法确定的特点是选择源IP于目的IP、出度与入度、源端口与目标端口、流大小分布等，计算出调整信息嫡值，预处理其组建成的矩阵数据，接着利用SVM来实现攻击检测。这方法选择的特征的主要特点是相对固定的，数量不大，难以跟上DDoS攻击类型的不断变化过程。2.3基于人工智能的检测方法实现DDoS检测技术的发展，主要是精准地分辨出并不正常的攻击行为。用户行为模式并非一成不变的，因为不断变化性，难以确定，通常检测方法的利用，能够描述具体行为，不过，对于任何用户的行为模式很难精准地抽象出，所以，造成了使用频率受到限制的情况出现。一般解决这一问题运用到的方法是：（1）基于决策树的检测方法，这一方法主要是利用到决策树，特别是其利用到入侵检测方面。以决策树来描述出判别函数，利用数的子节点来描述出目标的预测属性值。在决策树的
龙源期刊网http://www.qikan.com.cn打造上，需要把任何的特征值集中在某一个确定的仙童的类别里，从上到下逐步地进行构建。而网络中展示出全新的流量特征值的时候，经过这一特征值进行构建的决策树上的归属类别，判别出DDoS攻击是不是发生了。（2）基于支持向量机的方法，站在狭义角度，DDoS攻击予以检测从根本上可以理解为来判断出行为是否正常与异常；广义角度上，主要可以看成是模式识别研究的问题，模式识别是建立在可以掌握到的信息的基础上，按照有关的规则，将目标样本进行全面的划分，划分进相应的类别中。选择合理科学的参数，实现向量机具本身体现出优异的泛化性能。（3）基于人工神经网络的方法，人工神经网络指的是可以连接的输出与输入单元，主要是连接好众多的神经元可调的连接权值。综合多种算法，譬如遗传算法、粒子群算法等，寻找出总体的最好的极值，接着通过BP神经网络来实现检测。2.4支持向量机在现在，支持向量机可以看作为性能最好，利用度最高的具有监督功能的机器学习算法。它是在20世纪90年代初期由众多国外学者集中设计出的，支持向量机更多的功能是对分类问题、回归问题进行广泛的解决。最为重要的思想是以kerneltrick技术来实现数据的互换，将之前难以分离的低维度的数据集合映射于高维度特征空间里，这也就变成了线性可分的数据集合，进而实现了分类[2]。2.5人工蜂群算法优化支持向量机参数方法在针对DDoS攻击，进行全面检测的时候，可以得到的有关DDoS攻击样本数据并不多，难以得到覆盖任何的有关攻击类别的异常数据样本，所以，数据样本本身就有着各类突出的特点，例如，小样本、高维度、多边性等。在彻底解决非线性、小样本、高维性等问题中，优势非常突出的是支持向量机，所以，更多地运用到检测之中。人工蜂群算法优化支持向量机参数的方法流程图如图1所示：3结束语现在，建立在统计学基础上的检测法非常复杂，难以良好处理高维度数据，而且当实时大流量出现的时候，误判的情况是可能发生的。以信息嫡为基础的检测方法，能否取得理想的成效还是取决于阈值设定，阂值如果出现选择不当的情况，误判也随即发生。DDoS攻击检测技术得以快速发展，还是得益于人工智能技术的出现与普及，因为支持向量机在高维模式、小样本、非线性等的识别问题上有着自身独有的长处，但是，当全方位运用到分类检测问题以后，选择科学的参数能够让支持向量机体现出良好的泛化性能。