English
资源说明：SDN环境下DDoS攻击检测算法研究，贾静怡，时忆杰，软件定义网络（Software Defined Networking, SDN）通过解耦转发和控制平面，提供灵活的网络管理。SDN的安全问题中，最紧急和最难解决的安全�
SDN（Software Defined Networking，软件定义网络）是一种新兴的网络架构，它将网络的控制平面与数据平面分离，使得网络的管理和控制变得更加灵活。SDN的核心理念在于通过集中式的网络控制器来实现对整个网络的逻辑控制，从而可以方便地部署和调整网络策略。然而，随着SDN的广泛应用，其安全问题也日益凸显，尤其是DDoS（Distributed Denial of Service，分布式拒绝服务）攻击成为了SDN环境中的重大威胁。
DDoS攻击是通过大量恶意流量淹没目标网络或服务，使其无法正常处理合法用户的请求，从而导致服务中断。在SDN环境下，由于控制平面的集中性，DDoS攻击一旦得逞，可能对整个网络造成严重影响。同时，由于SDN的开放性，攻击者可能利用协议漏洞或者控制器的弱点发起攻击，这比传统网络中的DDoS攻击更具破坏性。
针对SDN环境下的DDoS攻击检测，本文提出了一种创新的方法，结合了φ-熵的攻击检测触发算法和基于XGBoost的攻击检测确认算法。φ-熵是一种衡量系统复杂性和不确定性的数学工具，它可以用于分析网络流量的异常变化，初步判断是否存在DDoS攻击。当φ-熵检测到异常时，会触发后续的攻击检测确认阶段。
XGBoost是一种优化的梯度提升机器学习算法，具有高精度、快速训练和良好可扩展性的特点。在攻击检测确认阶段，XGBoost模型通过对历史数据的学习，识别出异常流量模式，以确认是否为DDoS攻击。这种方法既可以提高检测的准确性，又可以通过机器学习的特性，适应不断变化的攻击策略，减少误报和漏报。
在Mininet平台上进行的仿真实验结果显示，这种结合φ-熵和XGBoost的攻击检测算法能有效地提高DDoS攻击的检测率，并且在资源消耗方面表现出优势。Mininet是一个流行的开源网络模拟器，它可以模拟真实的SDN环境，为研究和测试提供了便利。
这篇论文深入探讨了SDN环境下的DDoS攻击检测问题，提出了结合φ-熵和XGBoost的检测策略，为SDN安全防护提供了新的思路。未来的研究可以进一步优化这两种算法的结合方式，以及探索更高效的防御机制，以应对不断演进的网络安全挑战。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
