欢迎来到天天文库
浏览记录
ID:37024161
大小:1.32 MB
页数:57页
时间:2019-05-15
《应用层DDoS攻击检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、应用层DDoS攻击检测方法研究ApplicationDDoSAttackDetectionMethodResearch工程领域:电子与通信工程作者姓名:张雪博指导教师:刘敬浩副教授企业导师:任国强高级工程师天津大学电气自动化与信息工程学院二零一七年十一月摘要伴随互联网技术的发展,已经形成了以互联网为核心的生态经济圈,衍生出各种互联网产品。这些互联网产品大多是以网站后台的服务器为载体,但是,这些后台的服务器容易受到不法分子的觊觎,他们会向这些服务器发动应用层的DDoS攻击,使得这些互联网产品不能正常的使用。近几年,有关应用层DDoS攻击
2、的事件频繁发生,大多攻击者将目标锁定在大型的商业网站、金融机构网站、政府机构网站,造成了大量的经济损失。应用层DDoS攻击已经成为互联网的重大威胁之一,但由于目前检测技术不能满足当前的需求。因此,高效的检测应用层DDoS攻击的技术,对提高网络的安全性具有重要性。本文以Web服务器为研究对象,对应用层DDoS攻击检测技术进行设计。本文提出了一种量子粒子群优化算法与逻辑回归相互结合的检测模型。其中,量子粒子群算法是一种寻优算法,其特点是能够在全局的范围内达到收敛;逻辑回归是经典的二分类机器学习算法,可通过已知样本训练逻辑回归模型,最后对测
3、试样本预测分类结果。我们在用户的访问行为中提取该用户的八元组特征作为逻辑回归模型的训练样本或者是预测样本,最终将访问用户预测成某一类:攻击用户或者是正常用户。最后通过实验证明,本文提出的WebDDoS检测模型最后能够达到较高的检测率和较低的误检率。于此同时,本文算法具有较低的模型训练时间,以及具有较高的检测性能。关键词:入侵检测,应用层DDoS攻击,逻辑回归模型,量子粒子群优化算法IABSTRACTWiththedevelopmentofInternettechnology,ithasbeenformedtheeco-economic
4、circlewithInternetasthecore,andderivedfromavarietyofInternetproducts.MostoftheseInternetproductsarebasedonthewebserverasacarrier.Buthackersmaylaunchapplication-layerDDoSattacksonthesewebserversandmakingtheseInternetproductscannotbeusednormally.Inrecentyears,therehavebee
5、nfrequentreportsofapplication-layerDDoSattacks.Mostattackershavetargetedlargecommercialwebsites,financialinstitutionswebsitesandgovernmentagencies'websites,causingalargeamountofeconomiclosses.ApplicationlayerDDoSattackshavebecomeoneofthemajorthreatstotheInternet,butthec
6、urrentdetectiontechnologycannotmeettheneeds.Therefore,theefficientdetectionwithapplicationlayerDDoSattacksisveryimportanceforimprovingnetworksecurity.ThispaperregardswebserverastheresearchobjecttodesignthedetectiontechnologywithapplicationlayerDDoSattack.Inthispaper,wep
7、roposeadetectionmodelthatcombinesquantumparticleswarmoptimizationwithlogisticregression.Quantumparticleswarmoptimizationalgorithmisakindofoptimization.Itscharacteristicistobeabletoachieveconvergenceintheglobalcontextandlogisticregressionisaclassicdichotomousmachinelearn
8、ingalgorithm.Thelogisticregressionmodelistrainedbyknownsamples,andpredictedthetestsamplesfinally.Weextracttheo
此文档下载收益归作者所有