低速率拒绝服务攻击

作品数:24被引量:103H指数:8
导出分析报告
相关领域:自动化与计算机技术更多>>
相关作者:岳猛吴志军熊琦何炎祥刘陶更多>>
相关机构:中国民航大学湖南大学北京邮电大学武汉大学更多>>
相关期刊:《计算机工程与设计》《传感技术学报》《西安电子科技大学学报》《网络安全技术与应用》更多>>
相关基金:国家自然科学基金中央高校基本科研业务费专项资金天津市应用基础与前沿技术研究计划天津市自然科学基金更多>>
-

检索结果分析

结果分析中...
选择条件:
  • 主题=攻击检测x
条 记 录,以下是1-6
视图:
排序:
基于TCP时频域特征的低速率拒绝服务攻击检测方法
《四川大学学报(自然科学版)》2024年第3期172-181,共10页王家豪 方智阳 王俊峰 
国家重点研发计划(2019QY1400);国家自然科学基金(U2133208);四川省青年科技创新研究团队(2022JDTD0014)。
低速率拒绝服务(LDoS)攻击是DoS攻击的特殊变体,其可以利用TCP协议中的自适应机制来降低客户端和服务器的连接质量.由于攻击速率低且隐蔽,使用传统的DoS防御机制不能有效识别LDoS.本文提出了一种基于TCP流量的时频域特征和改进Stacking...
关键词:统计特征 集成学习 STACKING 攻击检测 
基于MFOPA算法的LDoS攻击检测
《信息技术》2024年第4期166-175,共10页王洋 
LDoS攻击隐蔽性强,结合KPCA算法提取并融合的TCP流量均值、变异系数、信噪比、能量熵、TCP流量和总流量相关性5种网络流量特征,结合WSOS算法进行离群概率分析,提出基于MFOPA算法的检测方法。仿真结果表明,所提方法在NS2平台、test-bed...
关键词:MFOPA算法 低速率拒绝服务攻击检测 网络流量特征 联合特征 离群概率分析 
软件定义网络环境下的低速率拒绝服务攻击检测方法被引量:5
《计算机应用》2022年第4期1301-1307,共7页刘向举 路小宝 方贤进 尚林松 
国家自然科学基金资助项目(61572034);安徽省科技重大专项(18030901025)。
低速率拒绝服务(LDoS)攻击是一种拒绝服务(DoS)攻击改进形式,因其攻击平均速率低、隐蔽性强,使得检测LDoS攻击成为难点。针对上述难点,提出了一种在软件定义网络(SDN)的架构下,基于加权均值漂移-K均值算法(WMS-Kmeans)的LDoS攻击检测方...
关键词:软件定义网络 低速率拒绝服务攻击 加权均值漂移-K均值算法 攻击检测 
云计算中基于可用带宽欧氏距离的LDoS攻击检测方法被引量:3
《山东大学学报(理学版)》2016年第9期92-100,共9页岳猛 吴志军 姜军 
国家自然基金资助项目(61170328);中央高校基本科研基金资助项目(3122016D005)
根据云计算数据中心网络(data center networks,DCNS)架构的特点,从网络架构的角度对低速率拒绝服务(low-rate denial of service,LDo S)攻击进行建模。提出基于可用带宽欧氏距离的LDo S攻击检测方法,其本质是依据LDo S攻击导致同一路...
关键词:云计算 低速率拒绝服务攻击 可用带宽 欧氏距离 攻击检测 
基于网络流量奇异性特征的LDoS攻击检测方法被引量:10
《计算机工程与设计》2016年第1期50-54,共5页张晓瑜 吴志军 岳猛 闫长灿 
国家自然科学基金面上基金项目(61170328;U1333116;U1433103);天津市应用基础与前沿技术研究计划基金项目(12JCZDJC20900);中央高校基本科研业务费基金项目(3122014D022;3122014B002)
依据低速率拒绝服务LDoS(low-rate denial of service)攻击期间受害端网络流量严重下降且网络流量波动性较强的特征,提出一种基于网络流量奇异性特征的LDoS攻击检测算法。采用高斯小波卷积计算信号奇异点,以时间窗口信号的均值和标准差...
关键词:低速率拒绝服务攻击 奇异性检测 小波变换 高斯小波卷积 网络攻击检测 
基于改进的候选组合频繁模式的LDoS攻击检测
《盐城工学院学报(自然科学版)》2011年第2期50-54,共5页王传安 王亚军 贾丙静 杨遡 
安徽省自然科学研究项目(KJ2011Z070);安徽科技学院青年科研基金项目(ZRC2011271)
低速率拒绝服务(LDoS)也被称为脉冲式拒绝服务,在攻击检测与防范方法上计算复杂、难以实现。针对此问题,分析了针对TCP拥塞控制机制的LDoS的数据流分布特性,通过设置流信息熵阈值定位出可疑IP流对,采用改进的候选组合频繁模式挖掘算法,...
关键词:频繁模式 低速率拒绝服务攻击 TCP拥塞控制 数据挖掘 
检索报告 对象比较 聚类工具 使用帮助 返回顶部