SDN流表驱动的DDoS攻击检测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 研究目标及内容 | 第13-14页 |
| 1.3 论文组织结构 | 第14-16页 |
| 第二章 研究现状 | 第16-24页 |
| 2.1 传统网络DDoS攻击检测 | 第16-18页 |
| 2.1.1 DDoS主要攻击方式 | 第16-17页 |
| 2.1.2 传统网络DDoS攻击检测方案分析 | 第17-18页 |
| 2.2 SDN网络DDoS攻击检测 | 第18-23页 |
| 2.2.1 SDN网络介绍 | 第18-21页 |
| 2.2.2 SDN网络中DDoS攻击检测方案分析 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 OpenFlow流表特征分析与挖掘 | 第24-40页 |
| 3.1 DDoS攻击对交换机流表状态的影响 | 第24-26页 |
| 3.1.1 IP欺骗 | 第24-25页 |
| 3.1.2 慢速连接攻击 | 第25-26页 |
| 3.1.3 泛洪攻击 | 第26页 |
| 3.2 OpenFlow流表特征 | 第26-36页 |
| 3.2.1 改进特征 | 第26-33页 |
| 3.2.2 新增特征 | 第33-34页 |
| 3.2.3 借鉴特征 | 第34-36页 |
| 3.3 特征名称及值类型 | 第36-37页 |
| 3.4 实验分析 | 第37-39页 |
| 3.4.1 实验评价指标 | 第37页 |
| 3.4.2 与以往特征方案对比 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于深度学习的DDoS攻击检测方法 | 第40-53页 |
| 4.1 问题描述 | 第40-41页 |
| 4.2 模型设计 | 第41-45页 |
| 4.2.1 深度学习概述 | 第41-42页 |
| 4.2.2 模型的适配与优化 | 第42-45页 |
| 4.3 实验分析 | 第45-52页 |
| 4.3.1 实验环境 | 第45-48页 |
| 4.3.2 实验方法 | 第48-49页 |
| 4.3.3 实验结果 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于多交换机协同的DDoS攻击检测方法 | 第53-60页 |
| 5.1 单交换机检测的不足 | 第53-54页 |
| 5.2 多交换机协同检测方案 | 第54-55页 |
| 5.2.1 挖掘更多交换机信息 | 第54页 |
| 5.2.2 交换机关联特征 | 第54-55页 |
| 5.2.3 协同检测方法 | 第55页 |
| 5.3 协同检测过程 | 第55-57页 |
| 5.3.1 训练过程 | 第55-56页 |
| 5.3.2 测试过程 | 第56页 |
| 5.3.3 交换机关联特征格式转换 | 第56-57页 |
| 5.4 实验分析 | 第57-59页 |
| 5.4.1 深度学习参数 | 第57-58页 |
| 5.4.2 协同检测实验结果分析 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 论文总结与未来工作 | 第60-62页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 未来工作 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
