版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、互聯(lián)網(wǎng)的迅速發(fā)展使人們對網(wǎng)絡(luò)的依賴越來越大,網(wǎng)絡(luò)的安全性也就越來越受到人們的重視。但是,由于網(wǎng)絡(luò)本身(特別是TCP/IP協(xié)議)的安全缺陷,各種攻擊不可能消失,其中拒絕服務(Denial of Service,簡稱DoS)攻擊以其攻擊范圍廣、隱蔽性強、簡單有效等特點成為常見的網(wǎng)絡(luò)攻擊技術(shù)之一,極大地影響了網(wǎng)絡(luò)和業(yè)務主機系統(tǒng)的有效服務,特別是分布式拒絕服務(DDoS,Distributed Denial of Service)攻擊,由于其隱
2、蔽性和分布性而難于檢測和防御,從而嚴重威脅著互聯(lián)網(wǎng)的安全。
本文從分析當前DoS/DDoS攻擊的原理入手,在分析并研究了DoS/DDoS攻擊的常見攻擊形式和DRDoS攻擊原理的基礎(chǔ)上,對DDoS/DRDoS攻擊進行合理分類,即分為帶寬耗用型攻擊、資源衰竭型攻擊和編程缺陷型攻擊三種。接著,就目前常見的DDoS攻擊防御措施做了簡要的介紹,這幾種常見的防御措施有流量/帶寬限制策略、網(wǎng)絡(luò)邊界硬化策略、攻擊監(jiān)測策略以及攻擊響應策略。
3、并在這幾種常見的防御措施基礎(chǔ)上提出了一種新的防御措施即DDoS客服協(xié)同防御機制。該機制提出了從傀儡機(DDoS)和服務器端進行協(xié)同防御的機制。對于像UDP flood以及ICMP Smurf這類非面向連接的攻擊,主要在傀儡機端采用流量檢測和協(xié)議分析的方法;對于面向連接的攻擊,我們采用客服協(xié)同的SYN Cookie技術(shù),從而主動有效地防御攻擊DDoS。最后,介紹了有關(guān)網(wǎng)絡(luò)仿真的相關(guān)知識,并利用OPNET網(wǎng)絡(luò)仿真軟件進行了仿真實驗,初步驗證
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 分布式拒絕服務DDoS攻擊核心技術(shù)研究.pdf
- 分布式拒絕服務DDoS攻擊檢測與防范方法研究.pdf
- 技術(shù)報告-基于組合分類器的ddos攻擊流量分布式檢
- DDoS攻擊防范關(guān)鍵技術(shù)研究.pdf
- 分布式拒絕服務攻擊分析與防范技術(shù)研究.pdf
- 畢業(yè)設(shè)計----ddos攻擊防范技術(shù)研究
- 基于OCSVM和主動學習的DDOS攻擊分布式檢測系統(tǒng).pdf
- DDoS攻擊及檢測技術(shù)研究.pdf
- 分布式拒絕服務(DDoS)攻擊檢測與防護.pdf
- 基于SDN的DDoS分布式防御體系研究.pdf
- 基于SDN的分布式拒絕服務攻擊防范方法研究.pdf
- 基于源的DDoS攻擊防范方法的研究.pdf
- 分布式拒絕服務攻擊檢測技術(shù)研究.pdf
- 一種面向分布式DDoS攻擊的防御體系模型研究.pdf
- 基于熵的DDOS攻擊檢測技術(shù)研究.pdf
- 一種DDoS攻擊的分布式檢測與防御模型.pdf
- 基于特征分析DDoS攻擊檢測技術(shù)研究.pdf
- 分布式拒絕服務攻擊檢測與防范技術(shù)的研究與實現(xiàn).pdf
- 基于代理技術(shù)的DDOS攻擊防范設(shè)計與實現(xiàn).pdf
- 面向DDoS攻擊的溯源技術(shù)研究.pdf
評論
0/150
提交評論