一种新的补偿概率包标记IP追踪方案

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (16): 118-121.

一种新的补偿概率包标记IP追踪方案

唐俊¹,费耀平¹,李典斌²

1.中南大学信息科学与工程学院，长沙 410083
2.中南大学现代教育技术中心，长沙 410083

收稿日期:2007-09-11 修回日期:2007-12-13 出版日期:2008-06-01 发布日期:2008-06-01
通讯作者: 唐俊

New scheme of Probabilistic Packet Marking with compensation for IP traceback

TANG Jun¹,FEI Yao-ping¹,LI Dian-bin²

1.School of Information Science and Engineering，Central South University，Changsha 410083，China
2.Modern Education Technology Center，Central South University，Changsha 410083，China

Received:2007-09-11 Revised:2007-12-13 Online:2008-06-01 Published:2008-06-01
Contact: TANG Jun

摘要/Abstract

摘要： 防御拒绝服务（DoS）攻击是目前最难解决的网络安全问题之一。概率包标记（PPM）是一种比较有效且实用的解决方法。然而大多数PPM方案都存在最弱链问题，导致了弱收敛性。提出一种新的补偿概率包标记方法，有效地减小了重构路径时的收敛时间以及计算开销，提高了路径重构的效率。

关键词: 网络安全, 拒绝服务攻击, IP追踪, 概率包标记

Abstract: Denial of Service attack is among the hardest network problems.Probabilistic Packet Marking（PPM） is an efficient and practical scheme.However，there exits the weakest link problem in most schemes and this problem causes the poor convergence.A new scheme of PPM with compensation for IP traceback is presented in this paper.The convergent amount of marked packets required for path reconstruction and the computation overhead are both efficiently improved，and the efficiency of path reconstruction is increased.

Key words: network security, Denial-of-Service（DoS）, IP traceback, Probabilistic Packet Marking（PPM）

唐俊¹,费耀平¹,李典斌². 一种新的补偿概率包标记IP追踪方案[J]. 计算机工程与应用, 2008, 44(16): 118-121.

TANG Jun¹,FEI Yao-ping¹,LI Dian-bin². New scheme of Probabilistic Packet Marking with compensation for IP traceback[J]. Computer Engineering and Applications, 2008, 44(16): 118-121.

[1]	王振东，张林，李大海. 基于机器学习的物联网入侵检测系统综述[J]. 计算机工程与应用, 2021, 57(4): 18-27.
[2]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[3]	曹磊，李占斌，杨永胜，赵龙飞. 基于双层注意力神经网络的入侵检测方法[J]. 计算机工程与应用, 2021, 57(19): 142-149.
[4]	王文涛，李树梅，汤婕，吕伟龙. 结合概率图模型与DNN的DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(13): 108-115.
[5]	狄冲，李桐. 网络未知攻击检测的深度学习方法[J]. 计算机工程与应用, 2020, 56(22): 109-116.
[6]	彭春燕，杜秀娟. 水声传感器网络基于深度信息的安全路由协议[J]. 计算机工程与应用, 2020, 56(2): 76-81.
[7]	芶继军，李均华，陈晨，陈一鸣，吕奕达. 基于随机森林的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(2): 82-88.
[8]	周龙，王晨，史崯. 基于RNN的Webshell检测研究[J]. 计算机工程与应用, 2020, 56(14): 88-92.
[9]	吴德鹏，柳毅. 基于可变网络结构自组织映射的入侵检测模型[J]. 计算机工程与应用, 2020, 56(12): 81-86.
[10]	石乐义，刘佳，刘祎豪，朱红强，段鹏飞. 网络安全态势感知研究综述[J]. 计算机工程与应用, 2019, 55(24): 1-9.
[11]	刘俊杰，王珺，王梦林，王悦. SDN中基于C4.5决策树的DDoS攻击检测[J]. 计算机工程与应用, 2019, 55(20): 84-88.
[12]	张舒娟1，张娟2. 对等网络中被动型蠕虫传播动力学建模与分析[J]. 计算机工程与应用, 2019, 55(11): 60-66.
[13]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[14]	冯波1，郭帆2，谭素雯3. 基于IPv6的概率包标记路径溯源方案[J]. 计算机工程与应用, 2016, 52(6): 102-106.
[15]	孙剑，刘渊，赵新杰. 基于聚类的应用层DDoS攻击检测方法研究[J]. 计算机工程与应用, 2016, 52(21): 116-120.