基于聚類分析的應用層DDoS檢測方法研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、當今世界,計算機網絡迅速發(fā)展,信息化和互聯(lián)網+的大規(guī)模應用,使得移動互聯(lián)網網絡已經深入到了人們生活的方方面面。與此同時,網絡安全威脅也是層出不窮,越來越復雜,越來越難以檢測。其中分布式拒絕服務攻擊(distributed denial of service,DDoS)就是一個影響互聯(lián)網安全的重大威脅。傳統(tǒng)的DDoS,主要發(fā)生在網絡層和傳輸層,它已經可以被日趨成熟的網絡安全產品有效防御,而如今計算機工作模式越來越多的通過Web進行交互,使

2、得DDoS向應用層發(fā)展。應用層DDoS破壞性強,攻擊方式更加隱蔽,而且在流量特征上幾乎與正常應用無異。因此,成為了最嚴重的網絡威脅之一。
  首先,本文分析和總結了網絡層DDoS和應用層DDoS的攻擊原理,歸納了兩者在攻擊特性上的差異性。針對傳統(tǒng)檢測方法無法檢測應用層DDoS的問題,本文分析了應用層DDoS攻擊行為特征,從正常用戶和攻擊用戶在Web訪問行為的差異方面入手。根據請求訪問的興趣點、訪問時間、點擊量以及頁面跳轉序列這四個

3、方面上存在的明顯差異,利用三個向量和一個矩陣對用戶Web訪問行為進行建模,定義不同用戶訪問行為之間的相似度。
  其次,本文設計了一種基于粒子群優(yōu)化的聚類算法的應用層DDoS攻擊檢測模型,對上述訪問行為進行聚類分析,達到檢測DDoS攻擊的目的。該模型先對網絡Web日志預處理,計算出會話之間的相似度函數,然后將數據輸入基于粒子群優(yōu)化的K-means算法聚類模塊,進行聚類分析。并將實驗結果與基于遺傳算法優(yōu)化的K-means算法和基于蟻

4、群算法優(yōu)化的K-means算法相比較。實驗結果表明,本文采用的PSOK-means算法可以有效地對用戶訪問行為進行聚類分析,并能快速甄別出應用層DDoS攻擊,相比GAK-means算法和ACOK-means,在檢測效果、收斂速度上有著較為明顯的優(yōu)勢。
  在驗證PSOK-means實用性的實驗中,發(fā)現該算法存在概率性地出現檢測效果不佳的問題,分析其原因是PSOK-means算法會概率性地陷入局部最優(yōu),無法進行更好地全局尋優(yōu),致使檢

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論