基于改进Logistic回归算法的抗Web DDoS攻击模型的设计与实现

doi:10.3969/j.issn.1671-1122.2017.06.010

信息网络安全 ›› 2017, Vol. 17 ›› Issue (6): 62-67.doi: 10.3969/j.issn.1671-1122.2017.06.010

基于改进Logistic回归算法的抗Web DDoS攻击模型的设计与实现

张雪博¹, 刘敬浩¹, 付晓梅²

1. 天津大学电气自动化与信息工程学院,天津300072;
2. 天津大学海洋科学与技术学院, 天津300072

收稿日期:2017-05-05 出版日期:2017-06-20
通讯作者: 张雪博 zxb_tju@163.com
作者简介:张雪博（1991-）,男,河南,硕士研究生,主要研究方向为网络安全;刘敬浩（1963-）,男,天津,副教授,硕士,主要研究方向为网络安全、网络虚拟环境、无线网络通信;付晓梅（1968-）,女,重庆,副教授,博士,主要研究方向为无线通信、海洋通信、信息安全。
基金资助:
国家自然科学基金[61571323]

Design and Implementation of Anti Web DDoS Attack Model Based on Improved Logistic Regression Algorithm

ZHANG Xuebo¹, LIU Jinghao¹, FU Xiaomei²

1. School of Electrical Automation and Information Engineering, Tianjin University, Tianjin 300072, China;
2.School of Marine Science and Technology, Tianjin University, Tianjin 300072, China

Received:2017-05-05 Online:2017-06-20

摘要/Abstract

摘要： Web DDoS攻击已经成为黑客常用的攻击手段之一。为了有效地提高Web DDoS攻击的检测速度和检测率,文章将量子粒子群优化方法与Logistic回归模型相结合,提出了一种轻量级检测新算法。该算法通过自适应的量子粒子群优化方法取代Newton法对Logistic回归系数进行求解,提高了回归系数的求解效率和精度。为了验证本算法的有效性,实验采用WorldCup98公开数据集对本算法与现有的改进Logistic回归算法的性能进行对比分析。实验结果表明,在Web DDoS攻击的检测方面,相比现有的改进Logistic回归算法,文章提出的算法能够获得更高的检测率以及更低的误检率,同时算法的时间复杂度与检测样本数量之间为线性关系。

关键词: Web DDoS攻击检测, Logistic回归, 量子粒子群优化算法, 牛顿法

Abstract: Web DDoS attack has become one of the common ways for hackers to attack. In order to improve the detection speed and accuracy of Web DDoS attack effectively, this paper proposes a light weight and novel detection algorithm combined quantum particle swarm optimization method with Logistic regression model. This algorithm replaces Newton method with adaptive swarm optimization method to solve Logistic regression coefficient, improving the efficiency and accuracy of solving the regression coefficient. In order to verify the availability of the proposed algorithm, the WorldCup98 open dataset was used in our study to compare the performance of our algorithm with the existing improved Logistic regression algorithms.The experimental results show that compared with the existing improved Logistic regression algorithm, the proposed algorithm has higher detection rate and smaller detection error rate in terms of detecting Web DDoS attacks. Meanwhile,there is a linear relationship between the time complexity of the proposed algorithm and the number of detection sample.

Key words: Web DDoS attack detection, Logistic regression, quantum particle swarm optimization algorithm, Newton method

中图分类号:

TP393

张雪博, 刘敬浩, 付晓梅. 基于改进Logistic回归算法的抗Web DDoS攻击模型的设计与实现[J]. 信息网络安全, 2017, 17(6): 62-67.

ZHANG Xuebo, LIU Jinghao, FU Xiaomei. Design and Implementation of Anti Web DDoS Attack Model Based on Improved Logistic Regression Algorithm[J]. 信息网络安全, 2017, 17(6): 62-67.

参考文献

[1] WEI Y, LEE M.Defending Application DDoS with Constraint Random Request Attacks [C]// IEEE. Communications, 2005 Asia-Pacific Conference on, October 5,2005,Perth, WA, Australia. New York: IEEE,2005:620-624.
[2] YU S, ZHOU Wanlei, JIA Weijia, et al. Traceback of DDoS Attacks Using Entropy Variations[J].IEEE Transactions on Parallel and Distributed Systems, 2011,22(3):412-425.
[3] 赵呈亮,李爱平,江荣. 基于TOPSIS-GRA集成评估法的DDoS攻击效果评估技术研究[J]. 信息网络安全,2016（10）：40-46.
[4] 田正先.基于网络效用最大化的DDoS攻击主动防御机制研究[D].武汉:华中科技大学,2011.
[5] 赵利明.基于路由协作的DDoS检测与防御研究[D].沈阳:东北大学,2011.
[6] YAAR A, PERRIG A, SONG D.StackPi:New Packet Marking and Filtering Mechanisms for DDoS and IP Spoofing Defense[J].IEEE Journal on Selected Areas in Communications, 2006,24(10):1853-1863.
[7] YAU D, LUI J, LIANG F.Defending Against Distributed Denial-of-Service Attacks with Max-Min Fair Server-Centric Router Throttles[J].Tenth IEEE International Workshop on Quality of Service,2002,13(1):35-44.
[8] 郑镇旭.韩国遭受DDoS网络攻击[EB/OL].http://world.kbs.co.kr/chinese/program/program_economyplus_detail.htm?No=1813, 2009-10-15.
[9] 王晓易.中国".CN"域名遭大规模攻击或是有组织攻击[EB/OL].http://war.163.com/13/0828/08/97BPF01O00014OMD.html, 2013-10-15.
[10] 百度安全.2016年DDoS攻击报告[R].北京：百度安全,2017.
[11] 孙未,张亚平.基于用户忠实度的应用层DDoS防御模型[J].计算机工程与设计,2015,36(1):93-97.
[12] 王进,阳晓龙,隆克平.基于大偏差统计模型的Http-Flood DDoS检测机制及性能分析[J].软件学报,2012,34(5):1272-1280.
[13] XU C, ZHAO G F, XIE G G, et al. Detection on Application Layer DDoSUsing Random Walk Model[J].Communication and Information Systems Security Symposium,2014:707-712.
[14] XIE Yi, YU S Z.A Large-Scale Hidden Semi-Markov Model for Anomaly Detection on User Browsing Behaviors[J].IEEE/ACM Transactions on Networking 2009,17(1):54-65.
[15] 赵国锋,喻守成,文晟.基于用户行为分析的应用层DDoS攻击检测方法[J].计算机应用研究,2011,28(2):717-719.
[16] 肖军,云晓春,张永铮.基于会话异常度模型的应用层分布式拒绝服务攻击过滤[J].计算机学报,2010,33(9):1713-1724.
[17] 嵆海进,蔡明.基于可信度的应用层DDoS攻击防御方法[J].计算机工程与设计,2007,28(19):4619-4621.
[18] TAN P N, STENINBACH M, KUMA V. Introduction to Data Mining[M]. Boston: Addison Wesley,2005.
[19] MINKA TP.A Comparison of Numerical Optimizers for Logistic Regression[J].Journal of the American Chemical Society.2003,125(6):1660-1668.
[20] VAN D, ENGELBRECHT A. A New Locally Convergent Particle Swarm Optimizer[C]//IEEE. 2002 IEEE Internation Conference on system,Man and Cybernetics,October 6-9,2002. Yasmine Hammamet, Tunisia. New York: IEEE,2002: 6-23.
[21] SUN J, FENG B, XU W.A Global Search Strategy of Quantum-Behaved Particle Swarm Optimization[C]//IEEE. 2004 IEEE conference on Cybernetics and Intelligent Systems, December 1-3,2004,Singapore. New York: IEEE,2004:111-116.
[22] 方伟,孙俊,谢振平,等.量子粒子群优化算法的收敛性分析及控制参数研究[J].物理学报,2010,59(6):3686-3694.
[23] HUSSAIN T, ASGHAR S, MASOOD N. Web Usage Mining：A Survey on Preprocessing of Web Log File[C]// IEEE .2010 International Conference on Information and Emerging Technologies. June 14-16 ,2010,Karachi, Pakistan. New York: IEEE,2010:1-6.
[24] 张选平,杜玉平,秦国强,等.一种动态改变惯性权的自适应粒子群算法[J].西安交通大学学报,2005,39(10):1039-1042.
[25] 胡洋瑞,陈兴蜀,王俊峰,等. 基于流量行为特征的异常流量检测[J]. 信息网络安全,2016（11）：45-51.
[26] 1998 World Cup Web Site Access Logs[EB/OL].http://ita.ee.lbl.gov/html/contrib/WorldCup.html,2016-5-15.
[27] KOMAREK P, MOORE AW. Making Logistic Regression a Core Data Mining Tool with tr-irls[C]//IEEE. ICDM '05 Proceedings of the Fifth IEEE International Conference on Data Mining, November 27-30,2005,Houston, TX, USA. New York: IEEE,2005:685-688.

基于改进Logistic回归算法的抗Web DDoS攻击模型的设计与实现

Design and Implementation of Anti Web DDoS Attack Model Based on Improved Logistic Regression Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	赵旭, 黄光球, 崔艳鹏, 王明明. 基于改进选择算子的NIDS多媒体包多线程择危处理模型[J]. 信息网络安全, 2018, 18(10): 45-50.
[2]	达小文, 毛俐旻, 吴明杰, 郭敏. 一种基于补丁比对和静态污点分析的漏洞定位技术研究[J]. 信息网络安全, 2017, 17(9): 5-5.
[3]	徐威扬, 李尧, 唐勇, 王宝生. 一种跨指令架构二进制漏洞搜索技术研究[J]. 信息网络安全, 2017, 17(9): 21-25.
[4]	戚犇, 王梦迪. 基于信息增益的贝叶斯态势要素提取[J]. 信息网络安全, 2017, 17(9): 54-57.
[5]	张曼, 咸鹤群, 张曙光. 基于重力传感器的身份认证技术研究[J]. 信息网络安全, 2017, 17(9): 58-62.
[6]	田庆宜, 李保顺. 小型无人机电子数据取证方法研究[J]. 信息网络安全, 2017, 17(9): 85-88.
[7]	王玉辉, 曾泽华, 沈嘉荟, 符天枢. 基于APT逻辑的恐怖事件因果关系分析[J]. 信息网络安全, 2017, 17(9): 93-97.
[8]	王子涵, 王玉辉, 王雷, 王鑫. 一种基于社交媒体的突发事件话题演化分析系统研究[J]. 信息网络安全, 2017, 17(9): 98-102.
[9]	成娟娟, 郑昉昱, 林璟锵, 董建阔. Curve25519椭圆曲线算法GPU高速实现[J]. 信息网络安全, 2017, 17(9): 122-127.
[10]	付顺顺, 顾益军, 张大瀚, 孟凡鹏. 基于改进MCMC方法的重叠社区发现算法[J]. 信息网络安全, 2017, 17(9): 138-142.
[11]	韩璇, 刘亚敏. 区块链技术中的共识机制研究[J]. 信息网络安全, 2017, 17(9): 147-152.
[12]	郭敏, 曾颖明, 姚金利, 达小文. 基于大数据样本的软件行为安全分析[J]. 信息网络安全, 2017, 17(9): 153-156.
[13]	王萍, 周治平. 一种基于云的RFID所有权转移协议的改进[J]. 信息网络安全, 2017, 17(8): 60-68.
[14]	陈阳, 王勇, 孙伟. 基于YARN规范的智能电网大数据异常检测[J]. 信息网络安全, 2017, 17(7): 11-17.
[15]	刘浩, 陈志刚, 张连明. 基于社区的移动社交网络安全路由算法设计与实现[J]. 信息网络安全, 2017, 17(7): 25-31.