一种基于带权CAT的DDoS分布式检测方法

针对DCD(distributed change-point detection)方案存在受害端开销大、检测率低等问题,提出了一种基于带权CAT(change aggregation trees)的检测方案.采用分布式分级体系结构,将检测任务分布到互联网源端、中间网络和受害端,实现攻击的早期检测;利用CUSUM算法对微小变化的敏感性,在源端主机和中间网络的路由器处进行基于到达目标数据包数量的检测以及基于超级流聚合变化的检测;受害端进行基于域树权重的检测.实验和分析表明,CAT方案对UDP攻击的检测率从DCD的最高0.72提高到0.94,TCP攻击检测率也略有提高;网络的通信开销和受害端的存储开销从o(mnk)降为o(mk),受害端的计算开销从o(mn)降为o(m).系统在实现检测的同时,获得了攻击路径和攻击的准确位置,实现了DDoS攻击的分布式追踪.

基于聚合树模型的大规模网络动态路由协议

提出了适用于网络动态拓扑改变的聚合树模型,基于路由器间链路的各种参数特性构建了聚合树模型,大幅缩减了路由过程的搜索空间.当网络发生动态变化时,启动文中提出的增量算法来更新网络.这一算法和模型可以适合网络动态改变所涉及的变化,它只需更新受到影响的链路信息,而不需要在整个网络中重新计算路由,在通信复杂度方面取得了对数级的递减.仿真结果显示这一模型在复杂度和路由准确性方面都获得了较高的性能.