| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11页 |
| 1.3 本文的主要工作与创新点 | 第11-12页 |
| 1.4 本文的组织架构 | 第12-14页 |
| 第二章 相关技术与已有方案 | 第14-26页 |
| 2.1 传统DDoS检测与防御 | 第14-15页 |
| 2.2 SDN相关技术 | 第15-20页 |
| 2.2.1 SDN网络架构 | 第15-17页 |
| 2.2.2 OpenFlow协议与流表 | 第17-20页 |
| 2.2.3 控制器 | 第20页 |
| 2.3 SDN中DDOS攻击检测技术 | 第20-24页 |
| 2.3.1 基于熵值检测 | 第20-21页 |
| 2.3.2 基于机器学习的检测方案 | 第21-22页 |
| 2.3.3 基于通信模式分析的检测方案 | 第22页 |
| 2.3.4 基于连接速率的检测方案 | 第22页 |
| 2.3.5 基于SNORT和OpenFlow的检测方案 | 第22-24页 |
| 2.4 SDN中DDoS攻击防御技术 | 第24-26页 |
| 第三章 SDN中基于神经网络的自适应检测模块 | 第26-39页 |
| 3.1 基于神经网络自适应启动的DDoS检测方案 | 第26-27页 |
| 3.2 自适应启动模块 | 第27-29页 |
| 3.3 提取流表特征值 | 第29-31页 |
| 3.4 神经网络分类 | 第31-33页 |
| 3.5 实验分析 | 第33-38页 |
| 3.5.1 实验环境搭建 | 第33-34页 |
| 3.5.2 相关参数的选取 | 第34-36页 |
| 3.5.3 实验结果对比 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于信任值的动态控制防御系统 | 第39-53页 |
| 4.1 FlowRanger算法 | 第39-40页 |
| 4.2 检测与防御系统架构 | 第40-42页 |
| 4.3 检测与防御算法 | 第42-46页 |
| 4.3.1 自适应启动部分 | 第42-44页 |
| 4.3.2 精确检测部分 | 第44-45页 |
| 4.3.3 整体防御部分 | 第45-46页 |
| 4.4 实验验证 | 第46-51页 |
| 4.4.1 实验目的 | 第46-48页 |
| 4.4.2 评估标准 | 第48-49页 |
| 4.4.3 实验结果 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 SDN中检测与防御系统效果分析 | 第53-65页 |
| 5.1 实验过程 | 第53-59页 |
| 5.1.1 实验环境的搭建 | 第53-54页 |
| 5.1.2 网络拓扑的构建 | 第54-55页 |
| 5.1.3 攻击流量的产生 | 第55-56页 |
| 5.1.4 参数的选择 | 第56-57页 |
| 5.1.5 防御系统部署整体展示 | 第57-59页 |
| 5.2 性能评估指标的选取 | 第59-61页 |
| 5.2.1 用户端 | 第59页 |
| 5.2.2 交换机端 | 第59-60页 |
| 5.2.3 控制器端 | 第60-61页 |
| 5.3 实验性能分析 | 第61-64页 |
| 5.3.1 用户端ping的延迟 | 第61-62页 |
| 5.3.2 控制器端CPU的使用率 | 第62-63页 |
| 5.3.3 交换机防御前后流表项数量 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录1 程序清单 | 第69-70页 |
| 附录2 攻读硕士学位期间申请的专利 | 第70-71页 |
| 致谢 | 第71页 |