导读:本文包含了网络拒绝服务论文开题报告文献综述及选题提纲参考文献，主要关键词:拒绝服务攻击,安全防护,DoS,无线网络安全
网络拒绝服务论文文献综述
杨春雷,银伟,邢国强[1]（2018）在《802.11无线网络拒绝服务攻击与安全防护技术研究》一文中研究指出802.11网络因开放信道、控制帧/管理帧缺乏认证手段等原因,容易遭受拒绝服务攻击。研究针对802.11网络的拒绝服务攻击技术,包括伪冒攻击、资源消耗攻击、协议漏洞攻击和信道干扰技术等。同时研究相应的安全防护机制,包括低开销的系统级别的安全防护手段、信号图谱、难题策略、信道变更、空间避让、哈希技术等。(本文来源于《网络安全技术与应用》期刊2018年12期）
谢洁,韩德志[2]（2018）在《基于卷积神经网络的拒绝服务攻击数据流检测》一文中研究指出卷积神经网络在相邻层中加入局部连接的卷积操作,用来提取数据的特征。利用卷积神经网络的这种特性,丰富云环境中拒绝服务攻击数据流的特征信息,将数据流通过训练后的卷积神经网络模型,可以对云环境中的拒绝服务攻击数据流进行初步分类检测。提出一种基于卷积神经网络的拒绝服务攻击数据流检测模型,将粒子群算法应用于卷积神经网络的学习,实验结果表明,检测模型的拒绝服务攻击数据流的平均检测精确度达到98%。(本文来源于《现代计算机(专业版)》期刊2018年26期）
吴鹏鹏[3]（2018）在《软件定义网络下拒绝服务攻击防御研究》一文中研究指出软件定义网络作为一种新型网络架构,将控制平面和数据平面分离,提供集中化以及可编程的网络控制能力。流量型拒绝服务攻击作为传统网络中最为常见与有效的攻击手段,仍然是软件定义网络的安全方面的研究热点。针对拒绝服务攻击的软件定义网络的安全研究主要分为两方面:利用软件定义网络的新特性更有效解决传统的拒绝服务攻击;防御以软件定义网络本身为攻击目标的拒绝服务攻击。本文针对这两方面分别开展了安全研究工作。一方面,针对控制器的流量型拒绝服务攻击会导致数据平面和控制平面的信道拥塞并使控制器超负荷,最终导致整体网络瘫痪。因此本文提出了利用多控制器以及可疑流迁移的安全保护策略FMD(Flow Migration Defense)。FMD利用可疑流迁移至附属控制器缓解了主控制器信道的拥塞问题。附属控制器利用请求缓存和请求转发缓解了主控制器超负荷问题。另一方面,虽然软件定义网络架构的新特性有利于监控网络中潜在的传统拒绝服务攻击,但是在大规模网络特征采集依旧会导致的网络资源开销过大的问题。因此本文提出了粗粒度监测链路与细粒度监测网络流相结合的监测方法ADSS(Adaptive DDoS Sense Scheme)。ADSS采用了自组织映射神经网络对链路特征和网络流特征分别进行检测潜在的拒绝服务攻击。本文采用Ryu控制器和Mininet网络仿真器来对上述两个研究方案进行了仿真实验。对于FMD的实验结果表明,其可以在大流量拒绝服务攻击下,可以以保证控制器的低响应时间与低网络丢包率,有效保护控制信道和控制器资源。对于ADSS的实验结果表明,其可以在复杂的网络环境中有效定位DDoS攻击者与受害人,抵抗源IP伪造攻击,并且降低控制器计算资源和交换机缓存资源的开销。(本文来源于《大连理工大学》期刊2018-03-26）
闫巧,龚庆祥,于非[4]（2017）在《软件定义网络中的分布式拒绝服务攻击抑制模型》一文中研究指出针对软件定义网络(software defined networking,SDN)中控制器受到分布式拒绝服务(distributed denial of service,DDo S)攻击致使SDN网络可能面临单点失效的威胁,提出抑制SDN网络中DDo S攻击的模型.该模型主要是在SDN应用层上扩展DDo S检测模块和MSlot(multiple timeslot)算法模块.在DDo S攻击检测上,DDo S检测模块采用模糊综合评判决策模型,通过综合多个流特征指标实时检测DDo S的发生,并使用DDo S综合评判分数描述DDo S攻击的强度.在应对DDo S攻击流策略上,MSlot算法模块根据检测结果采取相应的时间片分配策略,确保SDN网络在DDo S攻击下可有效保护合法用户的通信.为测试DDo S抑制模型,通过仿真模拟不同攻击强度的DDo S攻击.结果表明,在SDN网络中,相比某些基于单因素评判指标的DDo S攻击检测算法,采用模糊综合评判决策模型在检测率和精确度上更有优势;在DDo S攻击时,MSlot算法模块根据检测结果采取相应的时间片分配策略相比某些只使用多个逻辑队列轮询机制的SDN控制器调度算法可更有效地保护合法用户的通信质量.(本文来源于《深圳大学学报(理工版)》期刊2017年06期）
鲁茂,宫鸿,王树峰[5]（2017）在《浅析校园网络防范拒绝服务攻击的安全防火墙技术的运用》一文中研究指出在如今的信息时代,网络技术为人们带来的丰富的网络信息,而学生作为新生的一代已经站在了互联网时代发展的前端。但与此同时,校园网络却也处在了一种十分不安全的状态,数据的窃取、网络的攻击时刻的威胁着校园网络安全,其中的拒绝服务攻击是一种常见的网络攻击手段。笔者将结合自身多年对安全防火墙技术的研究经验入手,深入的讨论其在校园网络防范拒绝服务攻击中的应用,再分析校园网络所面临的问题的同时,提出解决的对策。(本文来源于《佳木斯职业学院学报》期刊2017年09期）
龚庆祥[6]（2017）在《软件定义网络中分布式拒绝服务攻击研究》一文中研究指出软件定义网络(SDN,Software Defined Networking)将传统IP网络的路由控制和数据转发进行分离,从而实现集中控制,分布转发,通过提供软件可编程的方式简化了网络的管理和配置,但也因此扩大了网络受到的分布式拒绝服务攻击(DDoS)的攻击面,攻击者可以针对SDN网络任何一层发起DDoS攻击。SDN的基础设施层(数据平面)、控制层(控制平面)、应用层叁层是相互协作共同完成网络中数据包的转发。安全的木桶短板原理决定了SDN网络中最薄弱的层次将成为攻击的目标且SDN任何一个功能层不可用将导致整个SDN网络出现问题,因而本文将研究SDN网络中不同层受到DDoS攻击的特点及其对应的防范策略。首先,对国内外SDN技术及发展、传统网络和SDN网络中DDoS攻击及防御研究现状进行总结。特别地,按照SDN本身各层DDoS攻击特征,对SDN网络中DDoS攻击及防御方法相关研究进行分类和总结。然后,对于SDN控制平面上,考虑到针对SDN控制平面的DDoS攻击可能致使SDN网络面临单点失效的危机,多种DDoS攻击及其预防策略的提出都是针对该平面的。为了达到迅速击垮SDN控制器,该类DDoS攻击具有发起时间短、攻击流量大等特点。针对该层上DDoS攻击问题,论文研究可能的多种DDoS攻击方法、提出了一种“基于模糊综合评判决策模型的DDoS攻击检测算法”和应对该类DDoS攻击的一种控制器流请求调度策略“MSlot算法”。理论分析和模拟实验结果证明了针对SDN控制平面的DDoS攻击方法的可行性;针对不同DDoS攻击,检测算法相比现有算法更具通用性和准确性;当SDN网络在DDoS攻击下,控制器流请求调度策略“MSlot算法”相比现有算法对网络的保护更加高效。最后,对于SDN数据平面上,通过与SDN各层DDoS攻击的对比,阐明了数据平面发起的隐蔽DDoS攻击具有低速、隐蔽、持久性等特点,因而难以被检测。论文提出了一种隐蔽DDoS攻击算法即“快填充隐蔽流DDoS攻击”和针对该类DDoS攻击的SDN数据平面隐蔽流DDoS攻击的检测算法。理论分析和模拟实验结果证明了攻击算法相比现有攻击算法更加快速且有效;检测算法相比现有算法避免了SDN安全通道额外的通信开销,因而更加高效。(本文来源于《深圳大学》期刊2017-06-30）
董宁[7]（2017）在《基于S-Kohonen神经网络的拒绝服务攻击检测算法的研究》一文中研究指出拒绝服务攻击(Denial of Service,DoS)是一种既简单又有效的网络攻击方式。它企图使其预期用户的一台主机或其他网络资源不可用,如临时或无限期地中断或暂停连接到因特网主机的服务。随着人们越来越依赖于网络,因而导致潜在的受害者越来越多。本文研究了基于Kohonen神经网络的DoS攻击检测算法。现有的DoS攻击检测方法中,基于人工神经网络的算法是较为有效的一类方法,其优点是并行处理能力强,对噪声数据有较强的鲁棒性和容错能力,能充分逼近复杂的非线性关系,具备联想记忆功能等。但此类算法也存在着收敛速度慢和不能使同类神经元逐渐集中等的问题,为克服上述问题,本文做了如下研究工作:(1)通过调整Kohonen网络的学习速率和学习半径,并增加输出层使其转化为有监督的学习网络,从而有效缓解了Kohonen网络收敛速度慢的问题。(2)通过增加一层网络权值,并对网络权值进行调整,最终使得获胜神经元及周边神经元权值更加接近该输入样本,从而在一定程度上克服了同类神经元不能较快集中的问题,并提出了基于S-Kohonen的拒绝服务攻击检测算法。(3)为了使基于S-Kohonen的拒绝服务攻击检测算法更完善,在竞争层上不能自动学习输入向量模式的分类问题上,将LVQ算法与S-Kohonen网络相结合,使其可以对输入向量模式的分类自主学习,降低网络结构,提高算法的检测率和减少运算时间。本文提出了一种基于S-Kohonen的DoS攻击检测算法,将改进的Kohonen网络引入到了DoS攻击检测算法中;并结合LVQ算法对本文所提出的算法进一步进行优化,仿真实验表明,所提算法有效。(本文来源于《河北大学》期刊2017-06-01）
李恒,沈华伟,程学旗,翟永[8]（2017）在《网络高流量分布式拒绝服务攻击防御机制研究综述》一文中研究指出分布式拒绝服务(DDoS)攻击是一种极其常见的网络攻击方式,网络高流量的DDoS往往通过制造大量无用数据,造成网络拥塞,最终达到耗尽资源、中断正常服务的目的。目前针对网络高流量的DDoS攻击还没有较好的防御办法。文章基于前期研究及文献调研,对国内外网络高流量DDoS防御机制的研究进展进行了归纳总结,重点对其防御原理、检测防御和抵抗防御方法进行了总结;对当前高流量DDoS攻击检测防御和抵抗防御机制进行了展望,以期有助于构建全面有效的网络高流量DDoS防御系统。(本文来源于《信息网络安全》期刊2017年05期）
姚琳元,董平,张宏科[9]（2017）在《基于对象特征的软件定义网络分布式拒绝服务攻击检测方法》一文中研究指出软件定义网络(SDN)受到分布式拒绝服务(DDoS)攻击时,攻击方会发送大量数据包,产生大量新的终端标识占用网络连接资源,影响网络正常运转。为准确发现受攻击对象,检测被占用资源,利用GHSOM技术,该文提出基于对象特征的DDoS攻击检测方法。首先,结合SDN网络及攻击特点,提出基于目的地址的检测7元组,并以此作为判断目标地址是否受到DDoS攻击的检测元素;然后,采用模块化设计,将GHSOM算法应用于SDN网络DDoS攻击的分析检测中,并在OpenDayLight的仿真平台上完成了仿真实验。实验结果显示,该文提出的检测7元组可有效检测目标对象是否受到DDoS攻击。(本文来源于《电子与信息学报》期刊2017年02期）
邵嘉炜,范磊[10]（2016）在《云环境下一种基于动态网络结构的拒绝服务防御技术》一文中研究指出介绍了一种在云环境下通过动态改变网络结构抵御拒绝服务攻击的防御方案,利用云环境下资源配置弹性化的特点,将合法用户重新分配到拥有新地址,但地址对外保密的备份主机上,以避开攻击流量。攻击者通常控制着部分合法账户以收集系统信息,他可以通过追踪这些账户的重分配以获取新主机的网络地址。注意到重分配结果与受攻击者控制的用户分布之间存在关系,并以此设计了用户分配算法,通过提高正常用户在参与每轮重分配的所有用户中的比例,使更多的正常用户与攻击者控制的账户分离而免受攻击。实验证明,与现有研究相比,在资源受限的情况下,其方案能在更少的重分配轮数内保护绝大多数用户,使系统在更短的时间内恢复正常。(本文来源于《微型电脑应用》期刊2016年02期）
网络拒绝服务论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
卷积神经网络在相邻层中加入局部连接的卷积操作,用来提取数据的特征。利用卷积神经网络的这种特性,丰富云环境中拒绝服务攻击数据流的特征信息,将数据流通过训练后的卷积神经网络模型,可以对云环境中的拒绝服务攻击数据流进行初步分类检测。提出一种基于卷积神经网络的拒绝服务攻击数据流检测模型,将粒子群算法应用于卷积神经网络的学习,实验结果表明,检测模型的拒绝服务攻击数据流的平均检测精确度达到98%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络拒绝服务论文参考文献
[1].杨春雷,银伟,邢国强.802.11无线网络拒绝服务攻击与安全防护技术研究[J].网络安全技术与应用.2018
[2].谢洁,韩德志.基于卷积神经网络的拒绝服务攻击数据流检测[J].现代计算机(专业版).2018
[3].吴鹏鹏.软件定义网络下拒绝服务攻击防御研究[D].大连理工大学.2018
[4].闫巧,龚庆祥,于非.软件定义网络中的分布式拒绝服务攻击抑制模型[J].深圳大学学报(理工版).2017
[5].鲁茂,宫鸿,王树峰.浅析校园网络防范拒绝服务攻击的安全防火墙技术的运用[J].佳木斯职业学院学报.2017
[6].龚庆祥.软件定义网络中分布式拒绝服务攻击研究[D].深圳大学.2017
[7].董宁.基于S-Kohonen神经网络的拒绝服务攻击检测算法的研究[D].河北大学.2017
[8].李恒,沈华伟,程学旗,翟永.网络高流量分布式拒绝服务攻击防御机制研究综述[J].信息网络安全.2017
[9].姚琳元,董平,张宏科.基于对象特征的软件定义网络分布式拒绝服务攻击检测方法[J].电子与信息学报.2017
[10].邵嘉炜,范磊.云环境下一种基于动态网络结构的拒绝服务防御技术[J].微型电脑应用.2016