一种新的DDoS攻击预警方法

doi:10.3778/j.issn.1002-8331.2009.21.039

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (21): 132-135.DOI: 10.3778/j.issn.1002-8331.2009.21.039

一种新的DDoS攻击预警方法

刘强¹，殷建平¹，程杰仁^1，2，蔡志平¹

1.国防科学技术大学计算机学院，长沙 410073
2.湘南学院数学系，湖南郴州 423000

收稿日期:2009-05-04 修回日期:2009-06-22 出版日期:2009-07-21 发布日期:2009-07-21
通讯作者: 刘强

Novel approach of DDoS forewarning

LIU Qiang¹，YIN Jian-ping¹，CHENG Jie-ren ^1，2，CAI Zhi-ping¹

1.School of Computer Science，National University of Defense Techonology，Changsha 410073，China
2.Department of Mathematics，Xiangnan University，Chenzhou，Hunan 423000，China

Received:2009-05-04 Revised:2009-06-22 Online:2009-07-21 Published:2009-07-21
Contact: LIU Qiang

摘要/Abstract

摘要： DDoS攻击的研究是网络安全研究领域的一个研究热点。预测DDoS攻击发生的概率，对于早期防御和响应DDoS攻击具有重要意义。提出了一种基于概率有限状态自动机的DDoS攻击预警模型，给出了一种计算攻击成功概率和攻击期望威胁度的方法。实验表明，方法能有效地计算出DDoS攻击成功概率和期望威胁度，实现早期防御。

关键词: 分布式拒绝服务（DDoS）攻击, 预警模型, 概率有限状态自动机, 特征提取

Abstract: Research on DDoS attack is one of the hotspots in network security field.Forecasting the probability of DDoS attack is highly significative of defending and responding DDoS attack at its early stage.In this paper，a forewarning model for DDoS attack based on Probable Finite State Automation（PFSA） is proposed.Moreover，a method to calculate the probability of making attack and the degree of expectation threat is presented.Experiment indicates that the method proposed in this paper can calculate probability and expectation damage of DDoS attack effectively，which achieves the goal of early defence.

Key words: Distributed Denial of Service（DDoS） attack, forewarning model, Probable Finite State Automation（PFSA）, feature extraction

刘强¹，殷建平¹，程杰仁^1，2，蔡志平¹. 一种新的DDoS攻击预警方法[J]. 计算机工程与应用, 2009, 45(21): 132-135.

LIU Qiang¹，YIN Jian-ping¹，CHENG Jie-ren ^1，2，CAI Zhi-ping¹. Novel approach of DDoS forewarning[J]. Computer Engineering and Applications, 2009, 45(21): 132-135.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[6]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[7]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[8]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[9]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[12]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[13]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[14]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[15]	曹文超，干宏程. 基于WiFi数据的地铁车站客流预警模型[J]. 计算机工程与应用, 2021, 57(13): 233-238.

一种新的DDoS攻击预警方法

Novel approach of DDoS forewarning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics