参考文献
[1]沈学利, 申杰. 基于自治系统与动态概率包标记的DDoS攻击溯源优化方法[J]. 计算机应用, 2015, 35(6): 207211[2]陈佳. 基于知识图谱的DDoS攻击源检测研究[J]. 信息安全研究, 2020, 6(1): 9196[3]杨可心, 桑永胜. 基于BP神经网络的DDoS攻击检测研究[J]. 四川大学学报: 自然科学版, 2017, 54(1): 7175[4]李传煌, 孙正君, 袁小雍, 等. 基于深度学习的实时DDoS攻击检测[J]. 电信科学, 2017, 33(7): 5365[5]郭伟, 邱菡, 周天阳, 等. 基于IP熵变量的DDoS攻击溯源模型[J]. 计算机工程与设计, 2019, 40(12): 33673374 [6]Bhuyan M H, Bhattacharyya D K, Kalita J K. An empirical evaluation of information metrics for lowrate and highrate DDoS attack detection[J]. Pattern Recognition Letters, 2015, 51(1): 17[7]罗梓露, 方勇. 基于Hadoop的DDoS检测框架[J]. 信息安全研究, 2015, 1(3): 261266[8]Hoque N, Kashyap H, Bhattacharyya D K. Realtime DDoS attack detection using FPGA[J]. Computer Communications, 2017, 110: 4858[9]田俊峰, 齐鎏岭. SDN中基于条件熵和GHSOM的DDoS攻击检测方法[J]. 通信学报, 2018, 39(8): 140149[10]周颖杰, 焦程波, 陈慧楠, 等. 基于流量行为特征的骨干网络DoS&DDoS攻击检测与异常流识别[J]. 计算机应用, 2013, 33(10): 28382841[11]伍海波, 高劲松, 唐启涛, 等. 基于生物免疫原理的网络入侵检测研究[J]. 计算机技术与发展, 2013, 23(7): 167170[12]McClure S, Scambray J, Kurtz G. 黑客大曝光——网络安全机密与解决方案[M]. 赵军, 张云春, 陈红松, 译. 7版. 北京: 清华大学出版社, 2013: 692695[13]王风宇, 曹首峰, 肖军, 等. 一种基于Web群体外联行为的应用层DDoS检测方法[J]. 软件学报, 2013, 24(6): 12631273[14]诸葛建伟, 唐勇, 韩心慧, 等. 蜜罐技术研究与应用进展[J]. 软件学报, 2013, 24(4): 825842[15]陈宁, 徐同阁. NetFlow流量采集与存储技术的研究实现[J]. 计算机应用研究, 2008, 25(2): 559564[16]翟俊海, 王熙照, 张素芳. 信息粒度、信息熵与决策树[J]. 计算机工程与应用, 2009, 45(12): 126128[17]黄鲁娟, 金光, 何加铭, 等. 防御DDoS攻击的包标记联合部署方案[J]. 计算机工程与应用, 2014, 50(5): 7478[18]刘其琛, 施荣华, 王国才, 等. 基于粗糙集与改进LSSVM的入侵检测算法研究[J]. 计算机工程与应用, 2014, 50(2): 99102[19]王伟. 基于NS2网络仿真防御DDoS攻击研究[J]. 长江大学学报: 自然科学版(理工), 2012, 9(7): 114116[20]University Corporation for Advanced Internet Development. Internet2 network[EBOL].[20210626]. http:www.internet2.edunetwork[21]王新生, 张锦平. 基于小波分析与信息熵的DDoS攻击检测算法[J]. 计算机应用与软件, 2013, 30(6): 307311[22]Xie Y, Yu S Z. Monitoring the applicationlayer DDoS attacks for popular websites[J]. IEEEACM Trans on Networking, 2009, 17(1): 1525
|