软件学报

作者：王郁夫，王兴伟，易波，黄敏

单位：王郁夫，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081911,王兴伟，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081902,易波，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081903,黄敏，东北大学 信息科学与工程学院, 辽宁 沈阳 11081904

关键词：DDoS防御;两阶段;DDoS攻击监控;DDoS流量过滤;BCNN 和 1DCNN;IPv6

基金：国家自然科学基金(62032013,62002055)

针对IPv6快速普及背景下分布式拒绝服务(DDoS)攻击威胁不断增长的现状, 提出一种两阶段的DDoS攻击防御机制, 包括初期实时监控DDoS攻击发生的预检测阶段, 以及告警后精准过滤DDoS攻击流量的深度检测阶段. 首先, 分析IPv6报文格式并解析PCAP流量捕获文件中的16进制头部字段作为样本元素. 其次, 在预检测阶段, 引入轻量化二值卷积神经网络(BCNN), 设计一种二维流量矩阵作为模型输入, 整体感知网络在混杂DDoS流量后出现的恶意态势作为告警DDoS发生的证据. 告警后, 深度检测阶段介入, 引入一维卷积神经网络(1DCNN)具体区分混杂的DDoS报文, 从而下发阻断策略. 在实验中, 自建IPv6-LAN拓扑并基于NAT 4to6技术重放CIC-DDoS2019公开集生成纯IPv6-DDoS流量源测试. 结果证明, 所提机制提升针对DDoS攻击的响应速度、准确度和攻击流量过滤效率, 当DDoS流量出现仅占总网络6%和10%时, BCNN就能以90.9%和96.4%的准确度感知到DDoS攻击的发生, 同时1DCNN能够以99.4%准确率区分DDoS报文并过滤.

来源：2024年第5期

《软件学报》期刊编辑部

查看软件学报杂志2024年第5期