a detection method for a novel ddos attack against sdn controllers by vast new low-traffic flows笔记

文章目录

背景知识abstractintroductionproblem formulationdetection based on sprta. flow classificationb. attack detection based on SPRT evaluation and discussiona. parameters of the methodb. promptnessc. versatility

背景知识

SPRT：https://blog.csdn.net/zhaoxiaoba/article/details/108407901

abstract

sdn中针对控制器的ddos攻击可能拖垮整个网络。ddos是指攻击者生成大量新流触发恶意泛洪。本文针对ddos提出防御方法，并进一步定位恶意主机。

首先进行流分类利用sprt做决定

introduction

普通的ddos攻击就是攻击者生成大量新流，触发packet_in，这可能耗尽控制器的资源。 最近的研究工作： 包过滤机制，记录包头值，相同值认为是同一个；另一种方法利用熵，普通流的目的ip基本均匀散列，但是ddos的攻击者目的为少数几台主机；–缺点是恶意主机并不难可以生成低流量的流做到均匀三类ip。

problem formulation

如下图，我们描述了网络模型： 定义变量

Fⁱ_b= 1 : 如果流xⁱ_b是低流量流。 Fⁱ_b= 0 : 如果流xⁱ_b不是低流量流。 其中，H1表示接口i 受损，H0表示接口i是正常的。

low-traffic: 作者认为如果受损接口和普通接口是不同的，受损接口会有更多的low-traffic流。 攻击者生成vast new low-traffic是很合理的： vast： 大量packet_in 数据包才可能堵塞控制器 new： 新流才会引发packet_in =low-traffic: 这样对于攻击者是很高效的。

有很多的方法可以获得流统计数据：

openflow提供基于端口和给予规则的统计，包总数统计等netflowsflow

detection based on sprt

a. flow classification

cⁱ_b 表示流xⁱ_b的包总数统计，设置阈值C_max

Fⁱ_b服从伯努利分布：

其中C_max可以通过训练得到。

b. attack detection based on SPRT

一个检测功能可以有两类错误：消极错误和积极错误。

积极错误：接口正常（H0）被认为接口异常（H1）–误判 消极错误：接口异常被判断为接口正常-放过。

两个错误的发生概率应该不超过å和ß。 观察n次流事件，我们定义了D^’_n评估接口i的表现力，

Fⁱ₁， Fⁱ₂， Fⁱ₃: 其中123表示不同的流，i表示接口i。 不同流之间独立，所以 定义变量： λ0 = Pr(Fⁱ_b = 1| H0) λ1 = Pr(Fⁱ_b = 1| H1) 定义边界值A和B，如果

D^’_n <= B, 接收H0,D^’_n>=A, 接收H1介于两者之间，继续测试

关于A和B的取值：

evaluation and discussion

a. parameters of the method

四个参数需要确定：α，β，λ0， λ1。

其中λ0，λ1是需要通过数据集训练得出结果，分别使用没有任何攻击的数据集和带有攻击的数据集。

通过为一个流中数据包的数量分类，如果数量少于阈值，认为是low-traffic流，否则是正常流。 通过这种分类，计算所有流中低流量数据包的比例，评估λ0，λ1.

所谓判断低流量的阈值就是 3，tcp三次握手。

b. promptness

这一节讨论有恶意主机的时候 ，需要至少几次观察可以监测到受损接口。

设置α = 0.01，β=0.02，根据实验结果，只需要几步就可以做出决定。

c. versatility

通用性。