基于Agent的DDoS协同防御实体行为建模

现有分布式拒绝服务(DDoS)协同防御实体行为建模逼真度较低,且形式化描述不规范。针对上述问题,提出一种基于Agent的DDoS协同防御实体行为建模方法。采用基于Agent的建模思想及输入-输出映射原理,建立包含自主行为和交互行为的实体行为概念模型,设计改进的Agent行为形式化描述方法,从自适应性、自学习性和交互性3个因素考虑,构建协同防御实体行为模型,准确描述防御实体的智能行为。

多角度CAS合作涌现量化分析方法

针对传统方法缺少涌现性判断和涌现性度量不全面的问题,将自组织、复杂网络等复杂性科学理论与基于仿真的系统宏观分析方法相结合,提出了一种多角度CAS合作涌现量化分析方法。分析复杂适应系统网络拓扑特性,建立其合作涌现评估指标参数集;借助仿真实时捕获网络拓扑的动态演化特征,通过自组织临界判断,界定合作涌现的发生;从网络复杂性、涌现结构和涌现价值3个角度考虑,建立合作涌现效能评估模型,探究涌现性结论;通过DDoS协同防御涌现研究实例验证了方法的有效性。

智能协作型防火墙仿真模型研究

针对传统模型缺乏对防火墙智能协作特点描述的问题,在分析网络安全协同防御环境下新型防火墙特点的基础上,基于Agent技术,提出了一种智能协作型防火墙模型结构,并设计了适应性过滤、自学习和交互协作3种防火墙模型关键算法。最后,结合OMNeT++仿真平台,建立了智能协作型防火墙仿真模型并仿真实现。仿真验证了模型的有效性,模型的建立对网络安全仿真研究具有一定的参考价值。

一种DRDoS协同防御模型研究

针对现有DRDoS防御方法反应滞后和过滤不全面的问题,基于协同防御思想,提出了一种DRDoS协同防御模型——HCF-AST。该方法通过协同式自学习算法,实现设备间DRDoS防御知识的共享,过滤来自外网的攻击流量;并引入入侵追踪技术,与入侵检测和过滤技术协同,定位并阻断内网攻击源。仿真结果表明,该模型能够及时发现并有效消除来自内外网的DRDoS攻击。

基于社会网络的DDoS防御协作关系优化算法

针对以往研究中协作关系建立过程不合理及其优化影响因素考虑不全面的问题,基于社会网络思想,提出了一种DDoS防御协作关系优化算法。从复杂适应系统和社会网络两个角度分析了DDoS防御协作关系特点,给出了协作关系优化思路;建立了一种五元组协作关系优化影响因素分析模型,并阐述了模型内各元组之间的关系;参考社会网络有效连带关系的建立过程,采用强化学习思想,设计了协作关系优化算法。DDoS攻防仿真实验结果验证了算法的有效性,该算法能够获得较少交互关系数,降低交互协作信息量,提高整体防御能力。