基于改进模糊C-均值聚类的DDoS攻击安全态势评估模型

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

基于改进模糊C-均值聚类的DDoS攻击安全态势评估模型

张瑞芝1,唐湘滟1,程杰仁1,2

（1.海南大学信息科学技术学院，海南海口 570228;2.南海海洋资源利用国家重点实验室，海南海口 570228）

收稿日期:2018-06-20 修回日期:2018-08-19 出版日期:2018-11-25 发布日期:2018-11-25
基金资助:
海南省自然科学基金(617048,2018CXTD333)；国家自然科学基金(61762033,61702539)；湖南省自然科学基金(2018JJ3611)；浙江省公益技术应用社会发展项目(LGF18F020019)；海南大学博士启动基金(kyqd1328)；海南大学青年基金(qnjj1444)；南海海洋资源利用国家重点实验室资助

A DDoS attack security situation assessment model

based on improved fuzzy C-means clustering

（1.School of Information Science and Technology,Hainan University,Haikou 570228;

2.State Key Laboratory of Marine Resource Utilization in South China Sea,Haikou 570228,China）

Received:2018-06-20 Revised:2018-08-19 Online:2018-11-25 Published:2018-11-25

摘要/Abstract

摘要：

新型网络环境下，传统的网络态势评估方法已经不能有效地评估分布式拒绝服务攻击DDoS的安全态势。提出了基于改进模糊C均值FCM聚类的DDoS攻击的安全态势评估模型。该模型根据新老用户网络流IP地址状态变化和单双向网络流的融合特征，计算出网络系统各节点的风险指标，通过汇聚网络中各个节点的风险指标生成整个网络的安全态势信息，再用改进的模糊C-均值聚类算法将融合的安全态势信息分为五个安全等级，最后采用风险等级识别模型对整个网络的DDoS攻击安全态势进行定量评估。实验结果表明，该模型能够合理有效地评估DDoS攻击的安全态势，比现有的评估方法更准确灵活。

关键词: 分布式拒绝服务, 安全态势评估, 模糊C均值, 风险评估

Abstract:

Traditional network situation assessment methods cannot effectively evaluate the distributed denial of service (DDoS) attack security situation in the new network environment. We propose a DDoS attack security situation assessment model based on improved fuzzy C-means (FCM) clustering. This model generates a fusion feature gained from network flow IP address changes of old and new users and unilateral and bilateral network flow, and calculates the risk indexes of each network node on the basis of the fusion feature. The security situation information of the whole network can be obtained by fusing the risk indexes of all the nodes in the network, which is then classified into five security levels by the improved FCM. The DDoS attack security situation of the whole network therefore can be quantitatively evaluated by the proposed model. Experiments on real DDoS data show that the proposed model can assess the DDoS attack security situation reasonably and effectively, and it is more flexible and accurate than existing methods.

Key words: distributed denial of service(DDoS), security situation assessment, fuzzy C-means(FCM), risk assessment

张瑞芝1,唐湘滟1,程杰仁1,2. 基于改进模糊C-均值聚类的DDoS攻击安全态势评估模型[J]. 计算机工程与科学.

ZHANG Ruizhi1,TANG Xiangyan1,CHENG Jieren1,2 .

A DDoS attack security situation assessment model

based on improved fuzzy C-means clustering

[J]. Computer Engineering & Science.

[1]	王克克, 郭莉丽, 郎静宏 . 基于STAMP模型的风险评估行为安全指标体系[J]. 计算机工程与科学, 2022, 44(08): 1372-1381.
[2]	郭昊, 何小芸, 孙学洁, 陈红松, 刘周斌, 颉靖. 国家电网边缘计算应用安全风险评估研究[J]. 计算机工程与科学, 2020, 42(09): 1563-1571.
[3]	董哲1,唐湘滟1,程杰仁1,2,张晨1,林福生1. 基于HMM时间序列预测和混沌模型的DDoS攻击检测方法[J]. 计算机工程与科学, 2018, 40(12): 2164-2172.
[4]	李艳，黄光球，张斌. 基于攻击事件的动态网络风险评估框架[J]. 计算机工程与科学, 2016, 38(09): 1803-1811.
[5]	余定坤，王晋东，张恒巍，王娜，陈宇. 基于静态贝叶斯博弈的风险评估方法研究[J]. J4, 2015, 37(06): 1079-1086.
[6]	王娜1，张健2，王晋东1，张恒巍1. 单调指标空间在信息系统风险评估中的应用研究[J]. J4, 2015, 37(03): 486-491.
[7]	陈永艳，戴伟. 分层渗透深度下隐马尔科夫风险评估模型[J]. J4, 2014, 36(09): 1690-1696.
[8]	史姣丽. 基于模拟攻击的高校网络安全风险评估研究[J]. J4, 2012, 34(12): 51-55.
[9]	张洪豪，王劲松，刘涛. 面向下一代互联网的轻量级多级Capabilities机制[J]. J4, 2012, 34(11): 14-20.
[10]	吴叶科1,宋如顺1,陈波2. 基于博弈论的综合赋权法的信息安全风险评估[J]. J4, 2011, 33(5): 9-13.
[11]	王淼，凌捷，郝彦军. 电子政务系统安全域划分技术的研究与应用[J]. J4, 2010, 32(8): 52-55.
[12]	陆琳琳，马鑫. 一种基于移动代理的网络安全联合风险评估系统模型[J]. J4, 2010, 32(5): 26-29.
[13]	程杰仁, 殷建平, 刘运, 刘湘辉, 蔡志平. 基于攻击特征的ARMA预测模型的DDoS攻击检测方法[J]. J4, 2010, 32(4): 1-4.
[14]	刘运殷建平程杰仁蔡志平. 基于k—Means改进算法的分布式拒绝服务攻击检测[J]. J4, 2008, 30(12): 23-26.
[15]	刘春芬[1,2] 宣蕾[2] 王正华[2] 李旭峰[2]. 基于SVM的网络威胁频率预测算法研究[J]. J4, 2007, 29(5): 11-14.

基于改进模糊C-均值聚类的DDoS攻击安全态势评估模型

A DDoS attack security situation assessment model

based on improved fuzzy C-means clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价