#资源达人分享计划#

软件定义网络（SDN,software defined network）作为一种新兴的网络架构，其安全问题一直是SDN领域研究的热点，如SDN控制通道安全性、伪造服务部署及外部分布式拒绝服务（DDoS,distributed denial of service）攻击等。针对SDN安全中的外部DDoS攻击问题进行研究，提出了一种基于深度学习混合模型的DDoS攻击检测方法——DCNN-DSAE。该方法在构建深度学习模型时，输入特征除了从数据平面提取的21个不同类型的字段外，同时设计了能够区分流类型的5个额外流表特征。实验结果表明，该方法具有较高的精确度，优于传统的支持向量机和深度神经网络等机器学习方法，同时，该方法还可以缩短分类检测的处理时间。将该检测模型部署于控制器中，利用检测结果产生新的安全策略，下发到OpenFlow交换机中，以实现对特定DDoS攻击的防御。

提出了一种通用的基于概率包标记大规模DDoS攻击源跟踪方法。相比其他方法，该方法通过引入包标记中继算法既适用于直接类型的DDoS攻击路径恢复，也适用于反射类型的DDoS攻击路径恢复。此外，通过巧妙运用方程组惟一解判定原理对路由IP实施编码，运用基于一次性密钥的HMAC方法对攻击路径的每条边进行编码和验证，不需要ISP路由拓扑，便能够在被攻击点相应的解码并高效可靠地恢复出真实的攻击路径。分析表明，该方法能与IPv4协议较好地兼容，具有较好的抗干扰性。

分布式拒绝服务攻击研究综述

用于工业物联网中的分布式拒绝服务攻击的支持SDN的伪蜜罐策略