软件定义网络中高效协同防御分布式拒绝服务攻击的方案

doi:10.11772/j.issn.1001-9081.2022060940

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (8): 2477-2485.DOI: 10.11772/j.issn.1001-9081.2022060940

所属专题：网络空间安全

软件定义网络中高效协同防御分布式拒绝服务攻击的方案

葛晨洋¹^,², 刘勤让², 裴雪², 魏帅², 朱正彬²

^1.郑州大学网络空间安全学院，郑州 450002
^2.信息工程大学信息技术研究所，郑州 450002

收稿日期:2022-06-28 修回日期:2022-09-20 接受日期:2022-09-22 发布日期:2022-10-11 出版日期:2023-08-10
通讯作者: 葛晨洋
作者简介:刘勤让（1975—），男，河南商丘人，教授，博士，主要研究方向：网络空间拟态防御、芯片设计
裴雪（1992—），女，河南新乡人，助理研究员，硕士，主要研究方向：软件协同编译、软件定义互连芯片软件开发工具包开发
魏帅（1985—），男，河南南阳人，教授，博士，主要研究方向：网络空间拟态防御、嵌入式设计
朱正彬（1996—），男，湖北荆门人，博士研究生，主要研究方向：网络空间拟态防御、软件定义网络。

Efficient collaborative defense scheme against distributed denial of service attacks in software defined network

Chenyang GE¹^,², Qinrang LIU², Xue PEI², Shuai WEI², Zhengbin ZHU²

^1.College of Cyberspace Security，Zhengzhou University，Zhengzhou Henan 450002，China
^2.Institute of Information Technology，Information Engineering University，Zhengzhou Henan 450002，China

Received:2022-06-28 Revised:2022-09-20 Accepted:2022-09-22 Online:2022-10-11 Published:2023-08-10
Contact: Chenyang GE
About author:LIU Qinrang， born in 1975， Ph. D.， professor. His research interests include cyberspace mimic defense， chip design.
PEI Xue， born in 1992， M. S.， research assistant. Her research interests include software collaborative compilation， software-defined interconnect chip SDK development.
WEI Shuai， born in 1985， Ph. D.， professor. His research interests include cyberspace mimic defense， embedded design.
ZHU Zhengbin， born in 1996， Ph. D. candidate. His research interests include cyberspace mimic defense， software defined network.

摘要/Abstract

摘要：

针对软件定义网络（SDN）中传统的分布式拒绝服务（DDoS）攻击的防御方案往往忽略了降低SDN工作负载的重要性，并且未考虑攻击缓解的及时性的问题，提出一种SDN中高效协同防御DDoS攻击的方案。首先，通过将部分防御任务卸载到数据平面中，降低控制平面的开销并充分利用数据平面的资源；然后，若检测到异常则产生快速数据路径（XDP）规则，以及时缓解攻击，同时将数据平面的统计信息交由控制平面来进一步检测和缓解攻击，从而在提升准确率的同时进一步降低控制器开销；最后，根据控制平面确定的异常源更新XDP规则。为验证所提方案的有效性，利用Hyenae攻击工具产生了3种不同类型的攻击数据。相较于依赖于控制平面的支持向量机（SVM）方案、新架构防御方案和跨平面协作的防御方案，在防御及时性方面，所提方案分别提高了33.33%、28.57%和21.05%；在中央处理器（CPU）消耗方面，所提方案分别降低了33、11和4个百分点。实验结果表明，所提方案能很好地防御DDoS攻击且有较低的性能开销。

关键词: 软件定义网络, 协同防御, 分布式拒绝服务攻击, 快速数据路径, Sketch数据结构

Abstract:

Aiming at the problem that traditional defense schemes against Distributed Denial of Service （DDoS） attacks in Software Defined Network （SDN） tend to ignore the importance of reducing the workload of SDN， as well as do not consider the timeliness of attack mitigation， an efficient collaborative defense scheme against DDoS attacks in SDN was proposed. Firstly， the overhead of the control plane was reduced and the data plane’s resources were entirely used by offloading some of the defense tasks into the data plane. Then， if an anomaly was detected， eXpress Data Path （XDP） rules were generated to mitigate the attack promptly， and the statistical information of the data plane was handed over to the control plane to further detect and mitigate the attack， thereby improving the accuracy and further reducing the controller overhead. Finally， the rules of XDP were updated according to the anomaly source determined by the control plane. To validate the effectiveness of the proposed scheme， the Hyenae attack tool was used to generate three different types of attack data. Compared with the Support Vector Machine （SVM） scheme that relies on the control plane， the new architecture defense scheme， and the cross-plane collaborative defense scheme， the proposed scheme has the timeliness of defense improved by 33.33%， 28.57%， and 21.05%， respectively； the proposed scheme has the Central Processing Unit （CPU） consumption reduced by 33， 11， and 4 percentage points. Experimental results show that the proposed scheme can defend against DDoS attacks well and has a low performance overhead.

Key words: Software Defined Network (SDN), collaborative defense, Distributed Denial of Service (DDoS) attack, eXpress Data Path (XDP), Sketch data structure

中图分类号:

TP393.02

葛晨洋, 刘勤让, 裴雪, 魏帅, 朱正彬. 软件定义网络中高效协同防御分布式拒绝服务攻击的方案[J]. 计算机应用, 2023, 43(8): 2477-2485.

Chenyang GE, Qinrang LIU, Xue PEI, Shuai WEI, Zhengbin ZHU. Efficient collaborative defense scheme against distributed denial of service attacks in software defined network[J]. Journal of Computer Applications, 2023, 43(8): 2477-2485.

图/表 15

图1 OVS数据流程

Fig.1 OVS data flow

图2 XDP原理

Fig.2 Principle of XDP

图3 XDP实验效果

Fig.3 XDP experimental effect

图4 高效协同防御DDoS攻击的系统架构

Fig.4 Architecture of efficient and collaborative defense system against DDoS attacks

图5 数据平面异常检测流程

Fig.5 Process of data plane anomaly detection

图6 中国剩余定理的可逆Sketch结构

Fig.6 Reversible Sketch structure of Chinese remainder theorem

图7 粗粒度实时异常检测流程

Fig.7 Flow of coarse-grained real-time anomaly detection

图8 控制平面异常检测流程

Fig.8 Flow of control plane anomaly detection

表1 不同机器学习算法准确率和检测时间的对比

Tab.1 Accuracy and detection time comparison of different machine learning algorithms

机器学习算法	训练准确率/%	测试准确率/%	检测耗时/ms
SVM	99.7	96.7	0.212
Logistic	99.8	97.7	0.265
RF	99.7	99.9	134.360

图9 协同缓解模块的架构

Fig.9 Architecture of collaborative mitigation module

图10 实验拓扑

Fig.10 Experimental topology

图11 在3种类型的攻击下不同方案的防御效果

Fig. 11 Defense effects of different schemes under three types of attacks

表2 不同方案准确率和F1的对比

Tab.2 Accuracy and F1 comparison of different schemes

方案	准确率	F1
依赖控制器的SVM方案	0.966	0.936
跨平面协作防御方案	0.989	0.964
本文方案	0.992	0.983
新架构防御方案	0.996	0.987

图12 同种攻击类型下交换机流表项的数

Fig.12 Number of switch flow table entries under same attack type

图13 同种攻击类型下控制器CPU利用率

Fig.13 Ultilization of the controller’s CPU under same attack type

参考文献 25

1	VISHWAKARMA R， JAIN A K. A survey of DDoS attacking techniques and defence mechanisms in the IoT network［J］. Telecommunication Systems， 2020， 73（1）： 3-25. 10.1007/s11235-019-00599-z
2	KREUTZ D， RAMOS F M V， VERISSIMO P. Towards secure and dependable software-defined networks［C］// Proceedings of the 2nd ACM SIGCOMM Workshop on Hot Topics in Software Defined Networking. New York： ACM， 2013： 55-60. 10.1145/2491185.2491199
3	贾锟，王君楠，刘峰. SDN环境下的DDoS检测与缓解机制［J］. 信息安全学报， 2021， 6（1）：17-31. 10.1186/s42400-022-00128-7
	JIA K， WANG J N， LIU F. DDoS detection and mitigation framework in SDN［J］. Journal of Cyber Security， 2021， 6（1）：17-31. 10.1186/s42400-022-00128-7
4	BERTRONE M， MIANO S， RISSO F， et al. Accelerating Linux security with eBPF iptables［C］// Proceedings of the 2018 ACM SIGCOMM Conference： Posters and Demos. New York： ACM， 2018： 108-110. 10.1145/3234200.3234228
5	胡小龙. 面向SDN控制器的DDoS攻击检测与防御技术研究［D］. 哈尔滨：哈尔滨工程大学， 2017：21-36.
	HU X L. DDoS attack detection and defense technology research for SDN controller［D］. Harbin： Harbin Engineering University， 2017：21-36.
6	KALKAN K， ALTAY L， GÜR G， et al. JESS： joint entropy-based DDoS defense scheme in SDN［J］. IEEE Journal on Selected Areas in Communications， 2018， 36（10）： 2358-2372. 10.1109/jsac.2018.2869997
7	CHEN Z， JIANG F， CHENG Y J， et al. XGBoost classifier for DDoS attack detection and analysis in SDN-based cloud［C］// Proceedings of the 2018 IEEE International Conference on Big Data and Smart Computing. Piscataway： IEEE， 2018： 251-256. 10.1109/bigcomp.2018.00044
8	YE J， CHENG X Y， ZHU J， et al. A DDoS attack detection method based on SVM in software defined network［J］. Security and Communication Networks， 2018， 2018： No.9804061. 10.1155/2018/9804061
9	DONG S， SAREM M. DDoS attack detection method based on improved KNN with the degree of DDoS attack in software-defined networks［J］. IEEE Access， 2020， 8： 5039-5048. 10.1109/access.2019.2963077
10	ZHENG J， LI Q， GU G F， et al. Realtime DDoS defense using COTS SDN switches via adaptive correlation analysis［J］. IEEE Transactions on Information Forensics and Security， 2018， 13（7）： 1838-1853. 10.1109/tifs.2018.2805600
11	FOULADI R F， ERMIŞ O， ANARIM E. A DDoS attack detection and defense scheme using time-series analysis for SDN［J］. Journal of Information Security and Applications， 2020， 54： No.102587. 10.1016/j.jisa.2020.102587
12	CAO Y Y， JIANG H， DENG Y C， et al. Detecting and mitigating DDoS attacks in SDN using spatial-temporal graph convolutional network［J］. IEEE Transactions on Dependable and Secure Computing， 2022， 19（6）：3855-3872. 10.1109/tdsc.2021.3108782
13	SAHAY R， BLANC G， ZHANG Z H， et al. Towards autonomic DDoS mitigation using software defined networking［C］// Proceedings of the 2015 NDSS Workshop on Security of Emerging Networking Technologies. Reston， VA： Internet Society， 2015：1-7. 10.14722/sent.2015.23004
14	YANG X R， HAN B， SUN Z G， et al. SDN-based DDoS attack detection with cross-plane collaboration and lightweight flow monitoring［C］// Proceedings of the 2017 IEEE Global Communications Conference. Piscataway： IEEE， 2017： 1-6. 10.1109/glocom.2017.8254079
15	曹永轶，金伟正，吴静，等. 一种面向SDN的跨平面协作DDoS检测与防御方法［J］. 计算机工程， 2020， 46（11）：148-156.
	CAO Y Y， JIN W Z， WU J， et al. A DDoS detection and defense method based on cross plane cooperation for SDN［J］. Computer Engineering， 2020， 46（11）： 148-156.
16	TAN L， PAN Y， WU J， et al. A new framework for DDoS attack detection and defense in SDN environment［J］. IEEE Access， 2020， 8： 161908-161919. 10.1109/access.2020.3021435
17	CHEN K Y， LIU S， XU Y， et al. SDNShield： NFV-based defense framework against DDoS attacks on SDN control plane［J］. IEEE/ACM Transactions on Networking， 2022， 30（1）： 1-17. 10.1109/tnet.2021.3105187
18	ADIGA B S， SHASTRY R， CHANDRA M G， et al. A reversible sketch based on Chinese Remainder Theorem： scheme and performance study［J］. International Journal of Computer Science and Network Security， 2011， 11（8）： 59-65.
19	CORMODE G， MUTHUKRISHNAN M. Approximating data with the count-min sketch［J］. IEEE Software， 2012， 29（1）： 64-69. 10.1109/ms.2011.127
20	YANG X， HAN B， SUN Z， et al. SDN-based DDoS attack detection with cross-plane collaboration and lightweight flow monitoring［C］// Proceedings of the 2017 IEEE Global Communications Conference. Piscataway： IEEE， 2017： 1-6. 10.1109/glocom.2017.8254079
21	BOITE J， NARDIN P A， REBECCHI F， et al. StateSec： stateful monitoring for DDoS protection in software defined networks［C］// Proceedings of the 2017 IEEE Conference on Network Softwarization. Piscataway： IEEE， 2017： 1-9. 10.1109/netsoft.2017.8004113
22	YOU X， FENG Y， SAKURAI K. Packet in message based DDoS attack detection in SDN network using openflow［C］// Proceedings of the 5th International Symposium on Computing and Networking. Piscataway： IEEE， 2017： 522-528. 10.1109/candar.2017.93
23	HINTJENS P. ZeroMQ： Messaging for Many Applications［M］. Sebastopol， CA： O’Reilly Media， Inc.， 2013： 81-133.
24	GHEORGHE L. Designing and Implementing Linux Firewalls and QoS using Netfilter， Iproute2， NAT and L7-filter［M］. Birmingham： Packt Publishing， 2006： 10-23.
25	BERTIN G. XDP in practice： integrating XDP into our DDoS mitigation pipeline［C/OL］// Proceedings of the Technical Conference on Linux Networking 2.1 ［2022-04-21］..

[1]	刘向举, 路小宝, 方贤进, 尚林松. 软件定义网络环境下的低速率拒绝服务攻击检测方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1301-1307.
[2]	张立群, 林海涛, 郇文明, 毕文婷. 基于OpenFlow的软件定义网络流规则冲突检测系统[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 528-533.
[3]	李颖之, 李曼, 董平, 周华春. 基于集成学习的多类型应用层DDoS攻击检测方法[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3775-3784.
[4]	代荣荣, 李宏慧, 付学良. 基于差分进化融合蚁群算法的数据中心流量调度机制[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3863-3869.
[5]	陈何雄, 罗宇薇, 韦云凯, 郭威, 杭菲璐, 毛正雄, 张振红, 何映军, 罗震宇, 谢林江, 杨宁. 基于区块链的软件定义网络数据帧安全验证机制[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3074-3083.
[6]	许红亮, 杨桂芹, 蒋占军. 基于软件定义网络的数据中心自适应多路径负载均衡算法[J]. 计算机应用, 2021, 41(4): 1160-1164.
[7]	马晓航, 廖灵霞, 李智, 秦斌, 赵涵捷. 基于动态混合超时的软件定义网络多目标优化[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3658-3665.
[8]	陈港, 孟相如, 康巧燕, 阳勇. 基于拓扑分割与聚类分析的虚拟软件定义网络映射算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3309-3318.
[9]	王波, 任英琦, 黄冬艳. H-Algorand:基于多块输出的公有链共识机制[J]. 计算机应用, 2020, 40(7): 2150-2154.
[10]	朱梦迪, 束永安. 软件定义网络中控制数据平面一致性的验证[J]. 计算机应用, 2020, 40(6): 1751-1754.
[11]	向雄, 田检. 基于软件定义网络的对等网传输调度优化[J]. 计算机应用, 2020, 40(3): 777-782.
[12]	刘向举, 刘鹏程, 徐辉, 朱晓娟. 基于软件定义物联网的分布式拒绝服务攻击检测方法[J]. 计算机应用, 2020, 40(3): 753-759.
[13]	赵季红, 吴豆豆, 曲桦, 殷振宇. 基于软件定义网络的可靠性虚拟网络映射保障机制[J]. 计算机应用, 2020, 40(3): 770-776.
[14]	池亚平, 莫崇维, 杨垠坦, 陈纯霞. 面向软件定义网络架构的入侵检测模型设计与实现[J]. 计算机应用, 2020, 40(1): 116-122.
[15]	贾梦瑶, 王兴伟, 张爽, 易波, 黄敏. 基于软件定义网络的卫星网络容错路由机制[J]. 计算机应用, 2019, 39(6): 1772-1779.

软件定义网络中高效协同防御分布式拒绝服务攻击的方案

Efficient collaborative defense scheme against distributed denial of service attacks in software defined network

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 25

相关文章 15

编辑推荐

Metrics