基于自适应聚类算法的DDoS攻击检测方法研究

论文摘要

飞速发展的计算机网络技术在给人们带来便利的同时也为网络攻击提供了更多的条件。在目前较常见的网络攻击行为中，拒绝服务（Denial of Service，DoS）攻击和分布式拒绝服务（Distributed Denial of Service，DDoS）所占比重越来越大，已经成为目前网络中威胁最大的问题之一。本文简要介绍了网络安全的现状，系统的研究和探讨了拒绝服务攻击和分布式拒绝服务攻击的原理、分类以及研究现状,介绍了现有的分布式拒绝服务攻击检测方法及其优缺点，并预测分布式拒绝服务攻击检测未来的发展趋势，指出基于数据挖掘的分布式拒绝服务攻击检测是未来的发展方向之一。介绍了聚类分析的相关知识，重点分析了经典k-means算法存在的一些缺点：（1）在聚类分析之前，算法假设聚类的个数是已知的，但事实上却难以确定；（2）k-means算法对初始聚类中心点的选取和聚类数据的分布情况是很敏感的，如果选取不当，聚类结果可能会趋向于局部的最小值，和实际情况相差较大。针对上述缺点，本文提出了一种自适应的聚类算法，该算法通过动态指数标准得到最佳聚类个数，并使用抽样子集的方法得到合适的初始聚类中心点，经过在UCI数据集上测试，并与k-means算法进行比较，实验结果表明，该算法可以得到合适的聚类个数和较好的聚类结果。结合提出的自适应聚类算法，设计了基于自适应聚类算法的分布式拒绝服务攻击的检测系统，主要包括训练数据预处理、关键属性提取、数据挖掘模块、决策模块等部分。详细介绍了各个模块的功能及实现，并利用LLSDDoS2.0.2数据集进行模拟实验。实验结果表明，本检测算法的检测率较高并且误报率较低，通过与使用k-means算法建立的检测模型的结果进行对比，验证了基于自适应算法的分布式拒绝服务攻击检测的有效性。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究目的及意义
• 1.3 本课题的研究现状
• 1.4 本文的研究内容
• 1.5 本文的结构
• 1.6 小结
• 第2章 DoS 和 DDoS 攻击概述
• 2.1 DoS 攻击
• 2.1.1 DoS 攻击原理
• 2.1.2 DoS 攻击常见的方式
• 2.2 DDoS 攻击
• 2.2.1 DDoS 攻击原理
• 2.2.2 DDoS 攻击常见的方式
• 2.3 DDoS 攻击的发展趋势
• 2.4 DDoS 攻击检测方法的研究现状
• 2.4.1 DDoS 攻击检测方法分类
• 2.4.2 各种 DDoS 攻击检测的分析
• 2.4.3 DDoS 攻击检测未来的发展方向
• 2.5 小结
• 第3章 一种改进的自适应聚类算法
• 3.1 聚类分析概述
• 3.2 k-means 聚类算法
• 3.3 改进的自适应聚类算法
• 3.3.1 相关定义
• 3.3.2 基本思想
• 3.3.3 基于动态指数的聚类个数优化
• 3.3.4 基于抽样子集的初始聚类中心点选择
• 3.4 实验及分析
• 3.5 小结
• 第4章 基于自适应聚类算法的 DDoS 攻击检测系统
• 4.1 系统功能简介及总体框架
• 4.2 训练数据预处理
• 4.3 关键属性提取
• 4.4 数据挖掘模块
• 4.4.1 基于动态指数和初始中心点选取的自适应聚类算法
• 4.4.2 训练数据标记
• 4.5 决策模块
• 4.6 小结
• 第5章 检测系统的实现与仿真
• 5.1 实验数据
• DDoS₂.0.2 介绍'>5.1.1 LLS_DDoS₂.0.2 介绍
• 5.1.2 数据样本选取
• 5.2 实验数据的处理
• 5.2.1 数值型数据的处理
• 5.2.2 分类型数据的处理
• 5.3 模块功能实现
• 5.3.1 自适应聚类算法的实现
• 5.3.2 标记算法和决策算法的实现
• 5.4 实验结果及分析
• 5.5 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文目录