.png){kind=icon}
返回
Multi-Layer Traffic Analysis Framework for DDoS Attacks in Software-Defined IoT Networks
.png){kind=icon}
OA
AI
DOI：10.3390/fi18030164.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在软件定义物联网（SDIoT）中，数据平面和控制平面是分布式拒绝服务（DDoS）攻击的目标。目前的研究依赖于单一网络层观测，这限制了跨层攻击分析。本文提出了一种同步、相位感知的多层流量收集框架，模拟在多样化DDoS攻击场景下的SDIoT环境。收集的数据是在正常、攻击和攻击后阶段，于主机、交换机和控制器层捕获的指标，并具有严格的时序对齐。为捕获SDIoT环境中的多样化DDoS攻击行为，使用了代表性的数据平面攻击，包括流量洪泛和交换机级流表饱和。针对SDN控制器的控制平面级攻击也被实现。评估工作使用基于Mininet的SDIoT测试平台和POX控制器完成。每个场景在五个独立运行中执行，并进行统计验证。所提出的框架通过标准化编排和自动化日志记录，实现了可复现和时序对齐的多层分析。结果表明，SDIoT DDoS行为在流量、状态和资源级指标上表现出差异，且精确表征得益于时序对齐的多层监控，而非仅依赖报文速率分析。
Keyword:
SDIoT
DDoS attacks
multi-layer traffic collection
control plane attacks
data plane attacks
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
1.3K
被引数:
6.5K
机构
引用论文
.png){kind=icon}
A comprehensive plane-wise review of DDoS attacks in SDN: Leveraging detection and mitigation through machine learning and deep learning一种基于机器学习和深度学习的全面平面化SDN DDoS攻击检测与缓解综述
PREAI
分享收藏A Comprehensive Review of DDoS Detection and Mitigation in SDN Environments: Machine Learning, Deep Learning, and Federated Learning PerspectivesSDN环境下DDoS检测与缓解的全面综述：机器学习、深度学习和联邦学习视角OAAI
OAAI分享收藏分享收藏
FlowRanger: A request prioritizing algorithm for controller DoS attacks in Software Defined NetworksOAAI
OAAI分享收藏
查看更多内容