命名數(shù)據(jù)網(wǎng)絡(luò)(named data networking, NDN)中的請求-應(yīng)答通信模式及有狀態(tài)的轉(zhuǎn)發(fā)滋生了新的分布式拒絕服務(wù)(distributed denial of service, DDoS)攻擊方式—興趣洪泛攻擊(interest flooding attack, IFA)。IFA是NDN中主要的拒絕服務(wù)威脅,雖然IFA防御方案被廣泛研究,但目前缺乏系統(tǒng)的解決方案。針對這一問題,基于粒子群優(yōu)化的后向傳播神經(jīng)網(wǎng)絡(luò)算法提出一種新的IFA檢測方法,并結(jié)合基于基尼不純度的惡意前綴識別方法和興趣包回溯方法來緩解攻擊危害,形成一種綜合的防御方案。通過ndnSIM仿真實(shí)驗(yàn)證明,提出的方案不僅可以準(zhǔn)確檢測和有效防御IFA攻擊,而且解決了基于窗口檢測方案無法檢測連續(xù)攻擊的問題。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

粒子群優(yōu)化算法是受人工生命研究結(jié)果的啟發(fā)、通過模擬鳥群覓食過程中的遷徙和群聚行為而提出的一種基于群體智能的全局隨機(jī)搜索算法[14]。由于粒子群優(yōu)化算法(particleswarmoptimization,PSO)操作簡單、收斂速度快,因此在函數(shù)優(yōu)化、圖像處理、大地測量等眾多....

圖2PSO-BP算法的流程圖

BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)值是隨機(jī)初始化的,導(dǎo)致其收斂速度較慢,容易陷入局部極小值,所以本文引入粒子群優(yōu)化算法來優(yōu)化BP網(wǎng)絡(luò),加快其收斂速度。首先,將BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行編碼,然后初始化粒子群的位置和速度,接著使用粒子群算法進(jìn)行迭代獲得全局最佳值,最后再將得到的編碼解碼用于初始....

圖3實(shí)驗(yàn)拓?fù)鋱D

本文使用small-scaletreetopology拓?fù)鋱D如圖3。實(shí)驗(yàn)的參數(shù)設(shè)計如表1,正常用戶Cx發(fā)送的請求符合Zipf-Mandelbrot分布,每秒發(fā)送20～100個興趣包;攻擊用戶A1發(fā)送的惡意請求符合Uniform分布,每秒發(fā)送300～1100個興趣包。正常用戶....

圖4IFA攻擊發(fā)生時特征值突變

在實(shí)驗(yàn)階段,獲取網(wǎng)絡(luò)中各種網(wǎng)絡(luò)狀態(tài)下的特征數(shù)據(jù),構(gòu)建訓(xùn)練數(shù)據(jù)集用于BP神經(jīng)網(wǎng)絡(luò)分類模型的訓(xùn)練。實(shí)驗(yàn)中,部分參數(shù)設(shè)置如表2,節(jié)點(diǎn)Cx為正常用戶請求,速率為20～100packets/s,并且有內(nèi)容提供者P1回應(yīng)該請求;節(jié)點(diǎn)A1為網(wǎng)絡(luò)中的IFA攻擊用戶,請求不存在的內(nèi)容,模擬IFA....

本文編號：3912589