基于时间序列分析的分布式拒绝服务攻击检测.pdfVIP

第28卷 第5期 计 算 机 学 报 Vo1．28 No．5 2005年 5月 CHINESE JOURNAL OF COMPUTERS Mav 2005 基于时间序列分析的分布式拒绝服务攻击检测 孙钦东” 张德运” 高 鹏” ”(西安交通大学网络研究所 西安 710049) 。 (西安理工大学计算机科学与工程学院 西安 710048) 摘 要 该文分析了分布式拒绝服务(DDoS)攻击的特点，提出了一种基于流连接密度(FCD)时间序列分析的 DDoS攻击检测方法，该方法通过拟合FCD时间序列的自适应自回归模型，获得能够在多维空间描述当前流量状 态的AAR模型参数向量序列，然后使用经过样本训练的支持向量机(SVM)分类器进行攻击识别；充分考虑了报 警的时间间隔及分布情况，提出一种报警可信度评估算法对SVM分类结果进行二次处理，以消除网络流量噪声及 分类错误所带来的影响．实验结果显示，该检测方法能够有效检测 DDoS攻击，可信度评估算法能够明显减少误 报，降低误报率，显著提高检测质量． 关键词 分布式拒绝服务；时间序列分析；自适应自回归；支持向量机 中图法分类号 TP393 Detecting Distributed Denial of Service Attacks Based on Time Series Analysis SUN Qin—Dong · ZHANG De—Yun GAO Peng ”(Institute of Network，xi an Jiaotong University。xi an 710049) ’(School of Computer Science and Engineering，xi an University of Technology，Xian 710048) Abstract On the basis Of analyzing Of the features Of distributed denial of service(DDoS)at— tacks，a novel approach of detection of DDoS attacks based on flow connection density(FCD) time series analysis is proposed． By approximating the adaptive autoregression model，the FCD time series is transformed into a multidimensional vector series regarded as a description in multi— dimensional sPace of state of currefit network flow， and then a trained support vector machine (SVM)classifier is applied to identify the attacks from the multidimensional vector series．Fur— thermore，by considering the interval and distribution of alerts，an algorithm evaluating reliabili— ty of alert is developed to reduce the false positives caused by flow noise and classification errors． The experiments demonstrate that the approach can detect DDoS attacks effectively，and the pro— pose