计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
10期
2100-2108
,共9页
黄亮%冯登国%连一峰%陈恺
黃亮%馮登國%連一峰%陳愷
황량%풍등국%련일봉%진개
安全评估%人工神经网络%分布式拒绝服务%绩效评估%SSFNet
安全評估%人工神經網絡%分佈式拒絕服務%績效評估%SSFNet
안전평고%인공신경망락%분포식거절복무%적효평고%SSFNet
security evaluation%artificial neural network%distributed denial of service (DDoS)%effectiveness evaluation%SSFNet
面对日益严重的分布式拒绝服务(distributed denial of service,DDoS)攻击威胁和众多防护措施,需要防护绩效评估方法指导防护措施的选择.现有绩效评估方法通过对比防护措施部署前后的攻击效果进行评估,需对防护措施进行卸载及重新部署,实施成本高.针对这种不足,首先建立了防护绩效评估模型(defence evaluation model,DEM),该模型从用户感受角度进行指标选取,减少了传统方式下测评过程需要的指标数量,降低了数据获取的难度.利用神经网络良好的泛化能力,将其引入DDoS防护绩效评估过程;在计算已部署防护措施攻击效果的同时,预测得到未部署防护措施时的攻击效果,减少了测量次数.使用网络仿真程序SSFNet模拟典型攻击场景进行实验,验证了提出的评估方法以及神经网络的预测能力.
麵對日益嚴重的分佈式拒絕服務(distributed denial of service,DDoS)攻擊威脅和衆多防護措施,需要防護績效評估方法指導防護措施的選擇.現有績效評估方法通過對比防護措施部署前後的攻擊效果進行評估,需對防護措施進行卸載及重新部署,實施成本高.針對這種不足,首先建立瞭防護績效評估模型(defence evaluation model,DEM),該模型從用戶感受角度進行指標選取,減少瞭傳統方式下測評過程需要的指標數量,降低瞭數據穫取的難度.利用神經網絡良好的汎化能力,將其引入DDoS防護績效評估過程;在計算已部署防護措施攻擊效果的同時,預測得到未部署防護措施時的攻擊效果,減少瞭測量次數.使用網絡倣真程序SSFNet模擬典型攻擊場景進行實驗,驗證瞭提齣的評估方法以及神經網絡的預測能力.
면대일익엄중적분포식거절복무(distributed denial of service,DDoS)공격위협화음다방호조시,수요방호적효평고방법지도방호조시적선택.현유적효평고방법통과대비방호조시부서전후적공격효과진행평고,수대방호조시진행사재급중신부서,실시성본고.침대저충불족,수선건립료방호적효평고모형(defence evaluation model,DEM),해모형종용호감수각도진행지표선취,감소료전통방식하측평과정수요적지표수량,강저료수거획취적난도.이용신경망락량호적범화능력,장기인입DDoS방호적효평고과정;재계산이부서방호조시공격효과적동시,예측득도미부서방호조시시적공격효과,감소료측량차수.사용망락방진정서SSFNet모의전형공격장경진행실험,험증료제출적평고방법이급신경망락적예측능력.