基于SDN和机器学习的恶意域名检测与防护的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 恶意域名检测 | 第9-10页 |
| 1.2.2 恶意域名防护 | 第10-11页 |
| 1.3 论文的研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-14页 |
| 2 理论基础和相关背景知识 | 第14-30页 |
| 2.1 域名系统 | 第14-18页 |
| 2.1.1 域名 | 第14-15页 |
| 2.1.2 域名解析 | 第15-17页 |
| 2.1.3 恶意域名 | 第17-18页 |
| 2.2 SDN技术 | 第18-26页 |
| 2.2.1 SDN的起源和发展 | 第18页 |
| 2.2.2 SDN的体系架构 | 第18-20页 |
| 2.2.3 OpenFlow协议 | 第20-23页 |
| 2.2.4 SDN控制器 | 第23-26页 |
| 2.3 机器学习算法 | 第26-29页 |
| 2.3.1 朴素贝叶斯 | 第26页 |
| 2.3.2 决策树 | 第26-27页 |
| 2.3.3 支持向量机 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 恶意域名检测 | 第30-42页 |
| 3.1 恶意域名检测流程 | 第30-31页 |
| 3.2 黑白名单的设计 | 第31-32页 |
| 3.3 域名分类 | 第32-38页 |
| 3.3.1 数据样本 | 第33-34页 |
| 3.3.2 特征分析和提取 | 第34-38页 |
| 3.4 分类结果分析 | 第38-40页 |
| 3.4.1 评价指标 | 第38-39页 |
| 3.4.2 实验及结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 恶意域名检测与防护 | 第42-58页 |
| 4.1 恶意域名检测与防护系统 | 第42-45页 |
| 4.1.1 功能模块设计 | 第42-43页 |
| 4.1.2 工作流程 | 第43-45页 |
| 4.2 数据转发层 | 第45页 |
| 4.3 控制层 | 第45-53页 |
| 4.3.1 报文解析及恶意域名检测分类 | 第46-48页 |
| 4.3.2 恶意域名重定向 | 第48-50页 |
| 4.3.3 代理访问及数据监控 | 第50-51页 |
| 4.3.4 设计REST API | 第51-53页 |
| 4.4 应用层 | 第53-57页 |
| 4.4.1 DNS重定向服务器 | 第53-54页 |
| 4.4.2 恶意域名检测与防护管理器 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 恶意域名检测与防护系统验证与分析 | 第58-74页 |
| 5.1 实验环境及部署 | 第58-60页 |
| 5.2 实验验证过程及结果 | 第60-69页 |
| 5.2.1 场景一：恶意域名拦截 | 第60-64页 |
| 5.2.2 场景二：恶意域名重定向 | 第64-66页 |
| 5.2.3 场景三：恶意域名代理访问及数据监控 | 第66-69页 |
| 5.3 实验分析 | 第69-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 本文工作总结 | 第74-75页 |
| 6.2 不足及未来工作展望 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |
| A 作者在攻读硕士学位期间发表的论文 | 第82页 |
| B 作者在攻读硕士学位期间参与的项目 | 第82页 |
