摘 要
本文探讨了软件定义网络（SDN）的安全性问题，包括安全机制、流量异常检测技术和攻击识别方法。文章首先概述了SDN的基本概念和架构特点，强调了研究SDN安全机制的重要性。在流量异常检测技术方面，介绍了基于统计和机器学习的方法，如阈值检测、时间序列分析、CNN和RNN算法，并讨论了如何利用SDN的全局视图和实时性优势来优化检测过程。针对攻击识别，文章分析了DDoS攻击、注入攻击等类型及其特征，并探讨了基于模式匹配和深度学习的识别方法。文章还强调了SDN网络特性在攻击识别中的作用，如控制平面与数据平面的协同工作和动态安全策略的调整。
关键词：SDN网络；流量异常检测；攻击识别；网络安全
RESEARCH ON TRAFFIC ANOMALY DETECTION AND ATTACK IDENTIFICATION IN SDN NETWORKS
ABSTRACT
This paper discusses the security of software defined network (SDN), including security mechanism, traffic anomaly detection technology and attack identification method. Firstly, the basic concept and architecture characteristics of SDN are summarized, and the importance of studying the security mechanism of SDN is emphasized. In the aspect of traffic anomaly detection technology, the methods based on statistics and machine learning, such as threshold detection, time series analysis, CNN and RNN algorithms, are introduced, and how to optimize the detection process by using the global view and real-time advantages of SDN is discussed. In this paper, the types and characteristics of DDoS attacks and injection attacks are analyzed, and the recognition methods based on pattern matching and deep learning are discussed. The paper also emphasizes the role of SDN network characteristics in attack identification, such as the cooperative work of control plane and data plane and the adjustment of dynamic security policy.
KEY WORDS：SDN network; Abnormal flow detection; Attack identification; Network security
目 录
摘 要 I
ABSTRACT II
第1章 引言 3
第2章 SDN网络基础 4
2.1 SDN架构概述 4
2.2 SDN的特性与优势 4
2.3 SDN中的安全挑战 4
第3章 SDN网络架构与安全机制分析 5
3.1 SDN网络基本架构 5
3.1.1 应用层 5
3.1.2 控制层 5
3.1.3 数据转发层 5
3.1.4 南北向接口与东西向接口 6
3.2 SDN安全特性与挑战 6
3.2.1 安全优势分析 6
3.2.2 面临的安全威胁 6
3.3 SDN中流量管理与安全机制 7
3.3.1 流量监控与审计 7
3.3.2 安全策略实施 7
第4章 SDN网络中流量异常检测技术研究 8
4.1 基于统计的流量异常检测方法 8
4.1.1 阈值检测法 8
4.1.2 时间序列分析法 8
4.2 基于机器学习的流量异常检测 8
4.2.1 特征选择与预处理 8
4.2.2 主流算法应用 9
4.3 SDN特性在流量异常检测中的利用 9
4.3.1 全局视图下的异常检测 9
4.3.2 实时性提升策略 9
第5章 SDN网络中攻击识别方法研究 11
5.1 攻击类型与特征分析 11
5.1.1 DDoS攻击 11
5.1.2 注入攻击 11
5.2 基于模式匹配的攻击识别 11
5.2.1 规则库构建 11
5.2.2 匹配算法与效率 12
5.3 基于深度学习的攻击识别 12
5.3.1 数据集构建与预处理 12
5.3.2 CNN、RNN等模型应用 13
5.4 SDN网络特性对攻击识别的支持 13
5.4.1 控制平面与数据平面的协同 13
5.4.2 动态安全策略调整 13
第6章 结论 15
参考文献 16
致 谢 17
