Метод виявлення DDoS-атак у програмно визначених мережах на основі індексу Херста та технології глибинного аналізу пакетів

Автор(и)

DOI:

https://doi.org/10.18372/2073-4751.83.20507

Ключові слова:

програмно визначені мережі, DDoS, індекс Херста, DPI, QoS, відмовостійкість

Анотація

У статті розглянуто проблему своєчасного виявлення DDoS-атак у програмно визначених мережах (SDN), де централізована архітектура контролера створює критичну точку відмови в умовах зростання обсягів трафіку. Запропоновано комбінований метод детектування, що поєднує поведінковий аналіз трафіку за індексом Херста з вибірковою глибокою інспекцією пакетів (DPI). Підхід передбачає динамічне визначення аномалій на основі зниження показника самоподібності трафіку та подальше уточнення типу атаки за допомогою сигнатурного аналізу. Метод інтегровано у контрольну площину SDN з використанням механізмів CBQ і WRED для адаптивного керування чергами. Експериментальні дослідження в середовищі Mininet + Floodlight підтвердили, що комбінований Hurst–DPI підхід забезпечує підвищення точності виявлення атак до 94 %, скорочення часу реакції на 35 % і зменшення хибних спрацьовувань на 67 % порівняно з традиційними методами. Запропонований алгоритм дозволяє підвищити відмовостійкість SDN-мереж і зберегти якість обслуговування критичних сервісів у разі DDoS-навантаження.

Посилання

McKeown N., Anderson T., Balakrishnan H. et al. OpenFlow: Enabling innovation in campus networks. ACM SIGCOMM Computer Communication Review. 2008. 38(2): 69–74. DOI: 10.1145/1355734.1355746.

Kreutz D., Ramos F., Verissimo P. et al. Software-Defined Networking: A Comprehensive Survey. Proceedings of the IEEE. 2015. 103(1): 14–76. DOI: 10.1109/JPROC.2014.2371999.

Mirkovic J., Reiher P. A taxonomy of DDoS attack and DDoS defense mechanisms. ACM SIGCOMM Computer Communication Review. 2004. 34(2): 39–53. DOI: 10.1145/997150.997156.

Peng T., Leckie C., Ramamohanarao K. Survey of network-based defense mechanisms countering the DoS and DDoS problems. ACM Computing Surveys. 2007. 39(1): 3. DOI: 10.1145/1216370.1216373.

Zargar S. T., Joshi J., Tipper D. A survey of defense mechanisms against DDoS flooding attacks. IEEE Communications Surveys & Tutorials. 2013. 15(4): 2046–2069. DOI: 10.1109/SURV.2013.031413.00127.

Kandoi R., Antikainen M. Denial-of-Service Attacks in OpenFlow SDN Networks. Proc. of IEEE Integrated Network Management (IM) – DISSECT Workshops. 2015. pp. 1322–1326. DOI: 10.1109/INM.2015.7140489.

Bawany N. Z., Shamsi J. A., Salah K. DDoS Attack Detection and Mitigation Using SDN: Methods, Practices, and Solutions. Arabian Journal for Science and Engineering. 2017. 42(2): 425–441. DOI: 10.1007/s13369-017-2414-5.

Singh J., Behal S. Detection and mitigation of DDoS attacks in SDN: a comprehensive review. Computer Science Review, 2020, 37: 100279. DOI: 10.1016/j.cosrev.2020.100279.

Wabi A. A., Idris I., Olaniyi O. M. et al. DDOS attack detection in SDN: Method of attacks, detection techniques, challenges and research gaps. Computers & Security, 2024, 139: 103652. DOI: 10.1016/j.cose.2023.103652.

Finsterbusch M., Richter C., Rocha E., Müller J.-A., Hanssgen K. A survey of payload-based traffic classification approaches. IEEE Communications Surveys & Tutorials, 2014, 16(2): 1135–1156. DOI: 10.1109/SURV.2013.100613.00161.

Velan P., Čermák M., Čeleda P., Drašar M. A survey of methods for encrypted traffic classification and analysis. International Journal of Network Management, 2015, 25(5): 355–374. DOI: 10.1002/nem.1901.

Leland W. E., Taqqu M. S., Willinger W., Wilson D. V. On the Self-Similar Nature of Ethernet Traffic (Extended Version). IEEE/ACM Transactions on Networking, 1994, 2(1): 1–15. DOI: 10.1109/90.282603.

Li M. An approach to reliably identifying signs of DDoS flood attacks based on LRD traffic pattern recognition. Computers & Security, 2004, 23(7): 549–558. DOI: 10.1016/j.cose.2004.10.005.

Hoque N., Bhattacharyya D. K., Kalita J. K. FFSc: A novel measure for low-rate and high-rate DDoS attack detection using multivariate data analysis. Security and Communication Networks, 2016, 9(22): 2032–2041. DOI: 10.1109/COMSNETS.2016.7439939.

Kaur G., Saxena V., Gupta J. P. Detection of TCP targeted high bandwidth attacks using self-similarity. Journal of King Saud University – Computer and Information Sciences, 2017, 29(2): 269–280. DOI: 10.1016/j.jksuci.2017.05.004.

Ling Y., Yang C., Li X., Tang F. Real-time Detection of DDoS Attacks Based on Hurst Index. Proc. of 2nd Int. Conf. on Networking and Systems of AI (INSAI), Shanghai, 2022, pp. 42–45. DOI: 10.1109/INSAI56792.2022.00018.

Aladaileh M. A., Anbar M., Hintaw A. J. et al. Rényi Joint Entropy-Based Dynamic Threshold Approach to Detect DDoS Attacks against SDN Controller with Various Traffic Rates. Applied Sciences, 2022, 12(12): 6127. DOI: 10.3390/app12126127.

Feinstein L., Schnackenberg D., Balupari R., Kindred D. Statistical approaches to DDoS attack detection and response. Proc. of DARPA Information Survivability Conference and Exposition (DISCEX III), 2003, 1: 303–314. DOI: 10.1109/DISCEX.2003.1194894.

Giotis K., Argyropoulos C., Androulidakis G., Kalogeras D., Maglaris V. Combining OpenFlow and sFlow for an effective and scalable anomaly detection and mitigation mechanism on SDN environments. Computer Networks, 2014, 62: 122–136. DOI: 10.1016/j.comnet.2013.10.014.

Altamemi A. A., Jassim S. A., Al-Janabi S. DDoS attack detection in software defined networking controller using machine learning techniques. Bulletin of Electrical Engineering and Informatics, 2022, 11(5): 2836–2843. DOI: 10.11591/eei.v11i5.4155.

Fouladi F., Rad A. A., Varathan K. D., Jelodar H. A DDoS attack detection and countermeasure scheme based on DWT and auto-encoder neural network for SDN. Computer Networks, 2022, 214: 109140. DOI: 10.1016/j.comnet.2022.109140.

Mehmood S., Amin R., Mustafa J. et al. Distributed Denial of Services (DDoS) attack detection in SDN using optimizer-equipped CNN-MLP. PLOS ONE, 2025, 20(1): e0312425. DOI: 10.1371/journal.pone.0312425.

Kulakov Y., Obozniy D. DPI traffic classification technologies in SDN networks: a survey. Проблеми інформатизації та управління, 2021, 74: 49–54. DOI: 10.18372/2073-4751.74.17881

Kulakov Y., Obozniy D. Algorithm for orchestration of encrypted traffic in SDN networks. Проблеми інформатизації та управління, 2025, 81: 52–58. DOI: 10.18372/2073-4751.81.20129

Downloads

Опубліковано

2025-12-19

Як цитувати

Кулаков, Ю., & Обозний, Д. (2025). Метод виявлення DDoS-атак у програмно визначених мережах на основі індексу Херста та технології глибинного аналізу пакетів. Проблеми iнформатизацiї та управлiння, 3(83), 87–93. https://doi.org/10.18372/2073-4751.83.20507

Номер

Том 3 № 83 (2025)

Розділ

Статті

Ліцензія

Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.

Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).

Авторські права

Автори, які публікують свої роботи в журналі:

  • зберігають за собою авторські права на свої публікації;

  • надають журналу право на перше опублікування статті;

  • погоджуються на поширення матеріалів за ліцензією CC BY 4.0;

  • мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.