An Efficient Detection Mechanism for Distributed Denial of Service (DDoS) Attack
拒绝服务（DoS）和分布式拒绝服务（DDoS）攻击已成为导致收集特定检修中断的流行手段，通常持续整个实例周期。发起此类攻击的相对容易和成本低，加上目前任何可行的防御方法都不足，使其成为当今互联网人口中心的最大威胁之一。由于基于Web的应用程序的吸引力越来越大，导致提供了比互联网更多的重要服务，因此监控网络传输非常重要，以便阻止可恶的攻击者耗尽网络资产并拒绝向合法用户提供服务。目前现有的防御机制的最重要的缺点，并提出了一种新的防御机制，对DDoS攻击的Web服务器。在所提出的机制中，进入服务器的流量始终受到监控，并且在没有延迟的情况下检测到入站流量的一些不规则上升。检测算法基于对服务器上的入站流量的统计分析和鲁棒的建议测试结构。当检测过程打开时，来自合法来源的会话不会中断，并且通过过度拥挤来自攻击来源的流量，服务器上的负载恢复到正常水平。精确模块采用多方面的检测逻辑，因此涉及用于其执行的额外开销。另一方面，它们具有非常高的检测精度。仿真结果表明，该机制对DDoS攻击的防御机制的有效性。
2013-02-21 cs.CR
A Survey of Distributed Denial of Service Attacks and Defenses
分布式拒绝服务（DDoS）攻击是其中多个受损的计算机系统淹没目标的带宽和/或资源（诸如服务器、网站或其他网络资源）并导致针对目标资源的用户的拒绝服务的攻击。大量传入的消息、连接请求或格式错误的数据包会迫使目标系统减慢速度，甚至崩溃和关闭，从而拒绝向合法用户或系统提供服务。本文介绍了DDoS攻击的文献综述和常见的防御机制。它还提出了一个文献综述的防御低速率DDoS攻击，迄今尚未得到有效处理。
2020-08-04 cs.CR
HoneyMesh: Preventing Distributed Denial of Service Attacks using Virtualized Honeypots
今天，互联网和Web服务已经成为我们生活中不可分割的一部分。因此，确保服务的持续可用性对于任何组织的成功都是必不可少的。但这些服务经常受到来自各种类型攻击的持续威胁的阻碍。其中一种攻击称为分布式拒绝服务攻击，它会导致从服务器暂时减速到服务完全不可用的各种问题。蜜罐是一种陷阱，可以用来与潜在的攻击者进行交互，以转移、检测或阻止此类攻击，并确保服务的持续可用性。本文深入探讨了分布式拒绝服务攻击所带来的问题，现有的解决方案，使用蜜罐，以及如何网格的虚拟蜜罐可以用来防止分布式拒绝服务攻击。
2015-08-20 cs.CR
Defending Root DNS Servers Against DDoS Using Layered Defenses
分布式拒绝服务（DDoS）攻击会耗尽资源，使合法客户端无法使用服务器。域名系统（DNS）是DDoS攻击的常见目标。由于DNS是一项关键的基础设施服务，因此保护其免受DoS攻击势在必行。许多先前的方法集中于特定的过滤器或反欺骗技术以保护通用服务。DNS根域名服务器的保护更具挑战性，因为它们使用固定的IP地址，为非常多样化的客户端和请求提供服务，主要接收可能被欺骗的UDP流量，并且必须保证高服务质量。在本文中，我们提出了一个分层的DDoS防御DNS根域名服务器。我们的防御使用了一个防御过滤器库，可以针对不同的攻击类型进行优化，具有不同的选择性。我们还提出了一种方法，自动和不断评估，并选择整个攻击的过滤器的最佳组合。我们表明，这种分层的防御方法提供了特殊的保护，对所有的攻击类型使用的痕迹，从DNS根域名服务器的10个真正的攻击。我们的自动化系统可以在几秒钟内选择最佳防御，并在可管理的范围内快速减少服务器的流量，同时将附带损害保持在2%以下。我们可以处理数百万条过滤规则，而不会产生明显的操作开销。
2022-09-15 cs.CR cs.NI
TrustShiftProbe: Characterizing, Benchmarking, and Defending Staged Trust Attacks on MCP Servers
Old Dominion University（奥多明尼昂大学）
本研究针对MCP服务器的阶段性信任攻击提出TrustShiftProbe框架，建立威胁模型、攻击引擎与防御机制SHIELD，使攻击成功率从69.5%降至42.7%
2026-08-26 cs.AI cs.CR
Distributed Denial of Service (DDoS) Attacks Detection Mechanism
Pushback是一种防御分布式拒绝服务（DDoS）攻击的机制。DDoS攻击被视为一个拥塞控制问题，但由于大多数此类拥塞是由恶意主机不遵守传统的端到端拥塞控制造成的，因此该问题必须由路由器来处理。每个路由器都添加了检测和优先丢弃可能属于攻击的数据包的功能。上游路由器也被通知丢弃这样的数据包，以便路由器的资源用于路由合法的流量，因此称为推回。近年来，客户端迷惑被认为是一种很有前途的拒绝服务攻击对策。为了识别攻击者，受害服务器向发送流量的客户端发出一个难题。当客户端能够解决难题时，它被认为是可信的，并且允许来自它的流量进入服务器。如果受害者怀疑大多数客户都解决了难题，这就增加了难题的复杂性。这种解谜技术允许攻击流量在到达目的地之前穿过中间路由器。为了同时利用Pushback和Puzzle Solving技术的优点，提出了一种基于路由器的Pushback技术，它综合了两种技术来解决DDoS攻击问题。在该提案中，谜题解决机制被推回核心路由器，而不是受害者。基于路由器的客户端解谜机制通过提供待被怀疑的主机解决的解谜来检查主机系统是否合法。
2012-01-10 cs.CR
Detection of Distributed Denial of Service Attacks based on Machine Learning Algorithms
本文研究并应用不同机器学习技术区分DDoS攻击与良性实例，发现支持向量机（SVM）实现了97.1%的检测准确率，优于现有多种方法，有效保障Web服务可用性。
2025-02-03 cs.CR
XDoser, A Benchmarking Tool for System Load Measurement Using Denial of Service Features
技术发展如此之快，以至于我们在这两方面都感到安全和不安全。今天使用的系统总是容易受到恶意用户的攻击。在大多数情况下，服务受到阻碍，因为这些系统无法处理攻击者提供的过载量。因此，正确的服务负荷测量是必要的。本文中描述的用于开发的工具基于拒绝服务方法。这个工具，XDoser将把一个合成负载的服务器上进行测试。使用HTTP Flood方法，其中包括HTTP POST方法，因为它强制网站收集最大可能的资源以响应每个请求。本文中开发的工具将专注于使用多个请求来重载后端。因此，该工具可以为新的或旧的服务器进行综合测试耐久性测试。
2019-05-30 cs.CR cs.NI
Proactive Defense Against Physical Denial of Service Attacks using Poisson Signaling Games
虽然物联网（IoT）有望改善能源效率，医疗保健和交通等领域，但它极易受到网络攻击。特别是，分布式拒绝服务（DDoS）攻击使服务器的带宽过载。但许多物联网设备构成了网络物理系统（CPS）的一部分。因此，它们可用于发起“物理”拒绝服务攻击（PDoS），其中物联网设备溢出CPS的“物理带宽”。在本文中，我们量化了恶意软件针对一组物联网设备进行PDoS攻击的基于人口的风险。为了模拟招聘的机器人，我们开发了一个“泊松信号游戏”，一个信号游戏与未知数量的接收器，有不同的能力来检测欺骗。然后，我们使用这个游戏的一个版本来分析两种机制（法律和经济），以阻止僵尸网络招聘。均衡结果表明：1）防御者可以约束僵尸网络活动，2）立法最低安全级别的效果有限，而激励主动防御可以任意减少僵尸网络活动。这项工作提供了一个定量的基础，主动的PDOS防御。
2017-10-16 cs.CR
Privacy-Preserving and Post-Quantum Counter Denial of Service Framework for Wireless Networks
本文提出PACDoSQ框架，首次同时实现频谱管理中的位置隐私、匿名性、抗DoS与后量子安全，通过私有频谱堡垒、多服务器PIR、PQ安全Tor及哈希谜题保障安全，并验证了其可行性与安全目标。
2024-09-03 cs.CR
Proactive Population-Risk Based Defense Against Denial of Cyber-Physical Service Attacks
虽然物联网（IoT）有望改善能源效率，医疗保健和交通等领域，但它极易受到网络攻击。特别是，DDoS攻击通过溢出服务器的带宽来工作。但许多物联网设备构成了网络物理系统（CPS）的一部分。因此，它们可用于发起“物理”拒绝服务攻击（PDoS），其中物联网设备溢出CPS的“物理带宽”。在本文中，我们量化了恶意软件针对一组物联网设备进行PDoS攻击的基于人口的风险。为了模拟机器人的招募，我们扩展了传统的博弈论概念，并创建了一个“泊松信号博弈”。“然后我们分析了两种不同的机制（法律和经济）来阻止僵尸网络招募。我们发现：1）防御者可以约束僵尸网络活动; 2）立法规定最低安全级别的效果有限，而激励主动防御可以任意减少僵尸网络活动。这项工作提供了一个定量的基础，设计主动防御PDOS攻击。
2017-10-16 cs.CR
Preventing DDoS using Bloom Filter: A Survey
分布式拒绝服务攻击（DDoS）是网络安全中的一个突出问题，对服务提供商构成了巨大的威胁。防御DDoS攻击是一项重大挑战。DDoS使服务在一定时间内不可用。这种现象损害了服务提供商，因此损失了业务收入。因此，DDoS是一个巨大的挑战。针对DDoS攻击的防御机制有很多，本文主要介绍了Bloom Filter在DDoS攻击防御中的应用。Bloom Filter是一种概率性的数据结构，用于返回true或false的成员资格查询。Bloom Filter使用微小的内存来存储大量数据的信息。因此，数据包信息存储在Bloom Filter中，以防御和击败DDoS。本文介绍了利用Bloom Filter进行DDoS防御的技术。
2018-10-15 cs.CR cs.NI
Defending Against Attack on the Cloned: In-Band Active Man-in-the-Middle Detection for the Signal Protocol
本文针对 Signal 协议中的主动中间人攻击，提出一种无需用户干预和带外信道的带内检测方案，通过服务器跟踪密钥指纹变化实现自动化密钥确认，并在保持现有安全保证的同时验证了其低性能开销。
2025-03-11 cs.CR
Rethinking Denial-of-Service: A Conditional Taxonomy Unifying Availability and Sustainability Threats
本文提出一个基于六种可观察条件的统一分类框架，用于对传统和云时代的拒绝服务攻击进行分类，并支持威胁建模与缓解策略设计。
2025-08-24 cs.CR
Prover and Verifier Based Password Protection: PVBPP
在当今世界，密码大多用于身份验证。这使得它们容易受到各种攻击，如字典式攻击。字典式攻击是一种通过系统地将字典中的每个单词作为密码输入来破解密码的方法。此攻击会导致服务器过载，从而导致拒绝服务攻击。本文提出了一个协议，以减少字典式攻击的速度，通过使用一个证明器和一个验证器系统。该系统使得攻击者难以通过计算密集型来证明其为有效用户。尝试的次数也减少了，从而限制了拒绝服务攻击。
2012-12-25 cs.CR
Toward a Deep Learning-Driven Intrusion Detection Approach for Internet of Things
物联网（IoT）为我们的日常生活带来了巨大的好处，涵盖了我们经常与之互动的各种应用领域，从医疗保健自动化到交通和智能环境。然而，由于受限的资源和计算能力的限制，物联网网络容易受到各种网络攻击。因此，保护物联网网络免受对抗攻击至关重要。在本文中，我们提出了一种新的入侵检测方法，物联网网络通过应用深度学习技术。我们采用尖端的物联网数据集，包括物联网跟踪和真实的攻击流量，包括拒绝服务，分布式拒绝服务，侦察和信息窃取攻击。我们利用在个人数据包的头部字段信息作为通用功能来捕捉一般的网络行为，并开发一个前馈神经网络模型与嵌入层（编码高维分类功能）的多类分类。随后采用迁移学习的概念对高维分类特征进行编码以构建二元分类器。通过评估所提出的方法得到的结果表明，二进制和多类分类器的分类精度高。
2020-07-18 cs.CR
Mitigation of Random Query String DoS via Gossip
针对当前内容分发网络（CDN）存在的一个安全漏洞，提出了一种针对随机查询字符串拒绝服务（DoS）攻击的缓解方案。该攻击利用了这样一个事实，即组成CDN的边缘服务器接收到对资源的HTTP请求，并附加了以前从未见过的随机查询字符串，向源服务器请求资源的（新）副本。这些特征可以被用来通过利用边缘服务器来对源服务器进行攻击。我们的策略采用了一个简单的八卦协议执行的边缘服务器来检测攻击。基于这样的检测，可以采取对策来保护源服务器和CDN免受攻击。我们提供的模拟结果表明，我们的方法的可行性。
2012-02-23 cs.CR
Detection of Denial of Service Attacks against Domain Name System Using Neural Networks
本文介绍了一种针对域名系统（DNS）的拒绝服务（DoS）攻击的入侵检测系统。我们的系统架构包括两个最重要的部分：统计预处理器和神经网络分类器。预处理器从目标名称服务器接收的业务中提取短时间帧内所需的统计特征。我们比较了三种不同的神经网络检测和分类不同类型的拒绝服务攻击。在一个模拟的网络中，该系统进行了评估，并表明，表现最好的神经网络是一个前馈反向传播的准确性为99%。
2009-12-09 cs.CR cs.NE
BDoS: Blockchain Denial of Service
像比特币这样的工作量证明（PoW）加密货币区块链可以保护大量资金。他们的运营商，称为矿工，花费资源来生成区块，并为他们的努力获得金钱奖励。原则上，区块链是拒绝服务（DoS）攻击的有吸引力的目标：硬币之间存在激烈的竞争，以及卖空的潜在收益。然而，传统的DoS攻击通常针对几个服务器，并且不能扩展到具有许多节点的系统。迄今为止，还没有针对主要加密货币的成功DoS攻击。我们提出了区块链DoS（BDoS），这是第一个针对PoW加密货币的基于激励的DoS攻击。与经典的拒绝服务不同，BDoS针对的是系统的机制设计：它利用奖励机制来阻止矿工参与。以前针对PoW区块链的DoS攻击需要对手的挖矿能力与所有其他矿工的挖矿能力相匹配。相比之下，BDoS可能会导致区块链以更少的资源陷入停顿，例如，根据我们的实证研究，截至2020年3月，比特币的比例为21%。我们发现，随着采矿业的成熟和盈利能力的下降，比特币对BDoS的脆弱性迅速增加。BDoS与自私挖矿等已知攻击的不同之处在于，它的目的不是增加对手的收入，而是破坏系统。虽然它与这些攻击在算法上有一些相似之处，但它引入了一种新的对抗模型、目标、算法和博弈论分析。除了对运营区块链的直接影响外，BDoS还引入了一个新颖的想法，即对手可以通过证明区块的存在来操纵矿工的动机，而无需实际发布它们。
2020-11-04 cs.CR
An efficient dynamic ID based remote user authentication scheme using self-certified public keys for multi-server environment
最近，李等人分析了李等人。的多服务器认证方案，提出了一种新的基于灵巧卡和动态ID的多服务器远程用户认证方案。他们声称他们的方案可以抵抗多种攻击。然而，通过仔细分析，我们发现，李等人。的方案容易受到灵巧卡被盗和离线字典式攻击、重放攻击、冒充攻击和服务器欺骗攻击。通过分析其他类似的认证方案，我们发现某类基于动态身份的多服务器认证方案中，仅使用哈希函数，认证和会话密钥协商阶段没有注册中心参与，很难提供完美、高效和安全的认证。为了弥补这些缺点，我们改进了最近提出的廖等人。的基于配对和自认证公钥的多服务器认证方案，提出了一种新的基于动态身份的多服务器环境下的远程用户认证方案。Liao等人的方案易受离线字典式攻击和拒绝服务攻击，且不能提供用户匿名性和本地口令验证。然而，我们提出的方案克服了廖等人的缺点。的方案。安全性和性能分析表明，该方案具有良好的安全性和抗攻击性。
2013-05-28 cs.CR
RogueRFM: Attacking Refresh Management for Covert-Channel and Denial-of-Service
该研究发现DDR5的RFM刷新管理接口存在跨存储体干扰副作用，据此构建了带宽最高31.3KB/s的隐蔽信道和最高致性能下降67%的拒绝服务攻击，并探讨了相应防御对策。
2025-01-11 cs.AR cs.CR
Exploiting Input Sanitization for Regex Denial of Service
Web服务使用服务器端输入清理来防止有害输入。一些web服务发布它们的清理逻辑以使它们的客户端接口更可用，例如，允许客户端在本地调试无效请求。然而，这种可用性实践带来了安全风险。具体来说，服务可能会共享它们用来清理输入字符串的正则表达式--基于正则表达式的拒绝服务（ReDoS）是一种新兴的威胁。虽然由ReDoS引起的突出服务中断引起了人们对这个主题的兴趣，但我们对实时Web服务易受ReDoS攻击的程度知之甚少。在本文中，我们进行了第一个黑盒研究，测量实时Web服务中的ReDoS漏洞的程度。我们应用一致的清理假设：客户端的清理逻辑，包括正则表达式，与服务器端的清理逻辑一致。我们在HTML表单或API中识别服务的基于regex的输入清理，在这些regex中找到易受攻击的regex，制作ReDoS探测器，并查明漏洞。我们分析了1,000个服务的HTML表单和475个服务的API。其中，355个服务发布了正则表达式; 17个服务发布了不安全的正则表达式; 6个服务通过其API容易受到ReDoS攻击（6个域; 15个子域）。由于我们的披露，微软和亚马逊网络服务都修补了他们的网络服务。由于这些漏洞来自API规范，而不是HTML表单，因此我们为流行的API验证库提出了ReDoS防御，我们的补丁已经合并。总而言之：在客户端可见的清理逻辑中，一些Web服务会在显而易见的情况下宣传ReDoS漏洞。我们…
2023-03-03 cs.CR cs.SE
Federated Learning based on Defending Against Data Poisoning Attacks in IoT
物联网（IoT）设备数量的迅速增长产生了大量的数据，但物联网设备中的数据隐私和安全暴露，特别是在自动驾驶系统中。联邦学习（FL）是一种通过集成基于分布式节点的全局模型来解决数据隐私、安全性、访问权限和对异构消息的访问问题的范例。然而，对FL的数据投毒攻击可能会破坏这些好处，破坏全局模型的可用性并中断模型训练。为了避免上述问题，我们建立了一个层次化防御数据投毒（HDDP）系统框架来防御FL中的数据投毒攻击，通过异常检测来监控各个节点的本地模型，从而清除恶意客户端。无论中毒防御服务器是否具有可信测试数据集，我们设计了\underline{l}局部\underline{m}模型\underline{t} est \underline{v} oting（LMTV）和\underline{k} ullback- \underline{l} eibler divergence \underline{a} normaly parameters \underline{d} etection（KLAD）算法来防御标签翻转中毒攻击。具体而言，可信测试数据集被用来获得每个分类的评估结果，以识别LMTV中的恶意客户端。更重要的是，我们采用kullback leibler散度来衡量KLAD中没有可信测试数据集的局部模型之间的相似性。最后，通过广泛的评估，针对各种标签翻转中毒攻击，LMTV和KLAD算法在不同…
2022-09-14 cs.CR
Embedding Asymmetry as Attack Signal: Detecting and Defending Active Label Inference in Vertical Federated Learning
Bangladesh University of Engineering and Technology（孟加拉国工程与技术大学）
该研究针对垂直联邦学习中的主动标签推理攻击，提出利用嵌入不对称性检测攻击的方法，并设计仅作用于攻击者的防御策略，在三类数据集上实现低准确率损失下的攻击防御。
2026-10-14 cs.CR
Inference-Layer Security: Defending Against Adversarial Inference and Infrastructure Abuse
New York Machine Learning Research Guild（纽约机器学习研究协会）
本文提出在推理层防御LLM服务的对抗性攻击，通过结构因果模型生成标记数据集，训练梯度提升检测器，并发现检测器精度高于评估标签，同时改进攻击类型归因方法。
2026-10-01 cs.CR cs.LG
FLDetector: Defending Federated Learning Against Model Poisoning Attacks via Detecting Malicious Clients
University of Science and Technology of China（中国科学技术大学）；Duke University（杜克大学）
联邦学习（FL）容易受到模型中毒攻击，恶意客户端通过向服务器发送修改后的模型更新来破坏全局模型。现有的防御主要依赖于拜占庭健壮的FL方法，其目的是学习一个准确的全局模型，即使一些客户端是恶意的。然而，它们在实践中只能抵抗少数恶意客户端。如何抵御大量恶意客户端的模型中毒攻击仍然是一个开放的挑战。我们的FLDetector通过检测恶意客户端来解决这一挑战。FLDetector旨在检测和删除大多数恶意客户端，以便Byzantine-robust FL方法可以使用剩余的客户端学习准确的全局模型。我们的主要观察是，在模型中毒攻击中，来自客户端的模型更新在多次迭代中是不一致的。因此，FLDetector通过检查其模型更新一致性来检测恶意客户端。粗略地说，服务器使用柯西中值定理和L-BFGS基于客户端的历史模型更新来预测客户端在每次迭代中的模型更新，并且如果从客户端接收的模型更新和预测的模型更新在多次迭代中不一致，则将客户端标记为恶意。我们在三个基准数据集上进行的大量实验表明，FLDetector可以在多种最先进的模型中毒攻击中准确检测恶意客户端。在删除检测到的恶意客户端后，现有的Byzantine-robust FL方法可以学习准确的全局模型。我们的代码可以在https://github.com/zaixizhang/FLDetector上找到。
2022-10-23 cs.AI cs.CR
Enhanced CBF Packet Filtering Method to Detect DDoS Attack in Cloud Computing Environment
互联网、企业内部网、电子商务及其用户的迅猛发展，已经进入了一个全球性竞争和争夺的创新时代。多节点拒绝服务攻击是通过干扰竞争服务器的服务来实现的。攻击可能有多种原因。这是云环境的一大威胁。传统的防御方法由于其有效性低、存储量大等特点，难以应用于云安全领域。各种攻击的效果可以降低云的影响。因此，鉴于这一挑战性任务，本文旨在加强云安全的建议方法。针对云计算环境下基于关联模式的基于置信度的过滤方法（CBF），提出了一种改进方法，以降低云计算环境下的DDoS攻击。该修改引入了标称的额外带宽，并试图提高受害者发起的服务器的处理速度。
2013-04-26 cs.CR
The Cryptanalysis of Lee's Chaotic Maps-Based Authentication and Key Agreement Scheme using Smart card for Telecare Medicine Information Systems
远程医疗信息系统（TMIS）是为远程用户提供远程医疗服务而开发的。用户可以使用互联网访问远程医疗服务器，而无需从他的位置移动。虽然远程用户和服务器通过公共网络交换他们的消息/数据。对手被认为是足够强大的，他可以完全控制公共网络。这使得这些虚拟服务容易受到攻击。为了确保用户和服务器之间的安全通信，已经提出了许多基于口令的认证方案。2013年，Hao等人提出了一种基于混沌映射的TMIS密码认证方案。最近，李某指认郝某等人。的方案不能满足密钥协商属性，使得恶意服务器可以预先确定会话密钥。Lee还提出了一种有效的基于混沌映射的口令认证和密钥协商方案，该方案使用灵巧卡用于TMIS。在这篇文章中，我们简要地回顾了李的计划，并证明了李的计划的弱点。研究表明，Lee方案在密码修改阶段的效率低下导致了拒绝服务攻击，而在登录阶段则导致了额外的计算和通信开销。
2013-10-22 cs.CR
InfoDecom: Decomposing Information for Defending Against Privacy Leakage in Split Inference
InfoDecom通过分解和去除冗余信息并注入校准噪声，实现了在分割推断中更优的隐私保护与效用平衡。
2026-01-03 cs.AI cs.CR cs.DC
Off-Path Attacking the Web
我们展示了一个偏离路径（仅欺骗）的攻击者如何执行跨站脚本（XSS），跨站请求伪造（CSRF）和网站欺骗/污损攻击，而不需要在Web浏览器或服务器中的漏洞，并绕过已知的防御。攻击者还可以发起破坏性的拒绝服务（DoS）攻击，即使客户端和服务器之间的连接是通过SSL/TLS保护的。攻击是实际的，需要一个傀儡（浏览器沙箱中的恶意脚本）在受害者客户端机器上运行，攻击者能够在互联网上进行IP欺骗。我们的攻击使用了一种技术，允许一个偏离路径的攻击者学习TCP连接中客户端和服务器的序列号。该技术利用了许多计算机，特别是运行Windows的计算机，使用全局IP-ID计数器的事实，该计数器提供了一个侧通道，允许有效暴露连接序列号。我们提出的学习技术和攻击，利用它的实验评估结果。最后，我们提出了实际的防御，可以部署在防火墙级别，不需要改变现有的TCP/IP协议栈。
2012-04-30 cs.CR
A Study on Recent Approaches in Handling DDoS Attacks
在本文中，我们提出了一个研究的最新方法在处理分布式拒绝服务（DDoS）攻击。DDoS攻击是一种相当新的攻击类型，旨在削弱互联网服务和资源的可用性。DDos攻击可以来自网络中的任何地方，通常通过发送大量数据包来攻击受害者服务器。各种研究人员提出了一些补救措施。本文试图讨论最近的产品来处理DDoS攻击。
2010-12-14 cs.CR
DDoS Attack and Interception Resistance IP Fast Hopping Based Protocol
拒绝服务攻击仍然是互联网社区的一个严重问题，尽管研究界已经提出了大量的防御方法。在本文中，我们介绍了IP快速跳跃，易于部署和有效的网络层架构，抵御DDoS攻击。我们的方法还提供了一个简单的方法，为客户端隐藏其通信会话的内容和目的地服务器。我们描述了一种动态服务器IP地址更改的方法和实现该方法所需的所有模块。
2014-03-28 cs.CR cs.NI
Efficient and Secure Flash-based Gaming CAPTCH
随着智能电网连接的增长、新应用的出现以及客户和能源云之间不断变化的交互，云更容易受到拒绝服务攻击。需要有效的检测方法来认证、检测和控制攻击者。CAPTCHA是一种区分计算机和人类的完全自动化公共图灵测试，是一种有效的阻止拒绝服务攻击的工具。服务器向用户提供一个客户端难题，以解决访问服务或网站。这个谜题对计算机来说应该足够难，但对人类来说很容易解决。已经提出了几种方法，包括流行的基于图像、基于视频和基于文本的CAPTCHA。在本文中，我们提出了一种新的基于Flash的游戏CAPTCHA来区分机器人和人类。我们提出了一个拖放客户端的难题，用户将玩一个简单的游戏来回答一个视觉问题。事实证明，我们的方法对用户来说很方便，对机器人来说很容易。此外，它具有游戏方面，这使得它对所有年龄段的用户都很有趣。
2020-04-09 cs.CR
LLM Safeguard is a Double-Edged Sword: Exploiting False Positives for Denial-of-Service Attacks
University of Michigan（密歇根大学）
本文揭示了LLM防护的误报可被利用发起拒绝服务攻击，提出对抗性提示注入和有毒微调两种攻击方法，并展示了仅约30字符的提示可在Llama Guard 3上阻止超97%的用户请求。
2025-04-09 cs.AI cs.CR
Detecting Distributed Denial of Service Attacks Using Logistic Regression and SVM Methods
East West University（东西大学）
本文使用逻辑回归和SVM两种机器学习方法对标准网络数据集中的DDoS攻击进行检测与分类，两者均取得98.65%的最高分类准确率，并比较了准确率、精确率和召回率。
2024-11-21 cs.CR cs.LG
DNN-based Denial of Quality of Service Attack on Software-defined Hybrid Edge-Cloud Systems
本文提出一种基于DNN的服务质量拒绝（DQoS）攻击，攻击者利用SDN控制通信预测网络丢包率，精准增加视频传输延迟以降低QoS且逃避检测，并在GENI边缘云平台上验证了高准确率与成功率。
2023-04-03 cs.CR cs.NI
Memory DoS Attacks in Multi-tenant Clouds: Severity and Mitigation
在云计算中，网络拒绝服务（DoS）攻击得到了很好的研究，并且已经实现了防御，但是由单个敌对VM对受害者的工作存储器的严重DoS攻击还没有得到很好的理解。内存拒绝服务攻击是由云服务器上的硬件内存资源争用引起的拒绝服务（或服务降级）攻击。尽管云服务器中的软件虚拟化层对虚拟机（VM）实施了强大的内存隔离技术，但底层硬件内存层仍然由VM共享，并且可以被位于与受害者VM相同的服务器上的恶意VM中的聪明攻击者利用，从而拒绝受害者所需的工作内存。我们首先定量显示不同的内存资源上的竞争的严重性。然后，我们表明，恶意的云客户可以安装低成本的攻击，导致Hadoop分布式应用程序的性能严重下降，并在亚马逊EC2云中的电子商务网站的响应时间延迟38倍。然后，我们设计了一个有效的，新的防御这些内存拒绝服务攻击，使用统计指标来检测它们的存在和执行节流，以减轻攻击的损害。我们实现这一点的一个新的重新利用现有的硬件性能计数器和占空比调制的安全性，而不是提高性能或功耗。我们在OpenStack云系统上实现了一个完整的原型。我们的评估表明，该防御系统可以有效地击败内存拒绝服务攻击，可以忽略不计的性能开销。
2017-10-04 cs.CR cs.DC
A Slow Read attack Using Cloud
云计算依赖于共享计算资源，而不是使用本地服务器或个人设备来处理应用程序。如今，云计算已成为信息技术发展最快的领域之一。然而，由于其服务交付模式，云计算出现了一些新的安全问题。在本文中，我们讨论的情况下，分布式拒绝服务（DDoS）攻击使用云资源。首先，我们展示了使用云平台的这种攻击如何无法被以前的技术检测到。然后，我们也提出了一个基于云的棘手解决方案。
2017-12-05 cs.CR
Securing Smart Homes via Software-Defined Networking and Low-Cost Traffic Classification
物联网设备由于缺乏行业范围的安全标准，已成为各种网络攻击的热门目标。在这项工作中，我们专注于灵巧家庭物联网设备识别和防御分布式拒绝服务（DDoS）攻击。建议的框架通过使用基于VLAN的网络隔离来保护灵巧家庭。该架构有两个子网：一个是未验证的设备，另一个是已验证的设备，两者都由SDN控制器管理。轻量级的无状态流为基础的功能，包括TCP，UDP协议的百分比，数据包计数和大小，IP多样性比率，提出了有效的功能集合。执行进一步的分析以最小化要在灵巧家庭网络中的资源受限边缘设备上运行的训练数据。三种流行的机器学习算法，包括K-近邻，随机森林和支持向量机，用于对物联网设备进行分类并检测不同类型的DDoS攻击，包括TCP-SYN，UDP和DDoS攻击。该系统的有效性和效率通过模拟由Open vSwitch、Faucet SDN控制器和来自两个不同测试床的多个物联网设备跟踪组成的网络进行评估。
2021-06-16 cs.CR
An Active Defense Mechanism for TCP SYN flooding attacks
对公共服务器的分布式拒绝服务攻击最近已经成为一个严重的问题。为了保证网络服务不会被中断，更有效的防御机制来防止恶意流量，特别是SYN洪水。检测SYN洪水流量的一个问题是服务器节点或防火墙无法区分正常TCP连接的SYN数据包和SYN洪水攻击的SYN数据包。另一个问题是单点防御（例如防火墙）缺乏处理攻击流量增加所需的可扩展性。我们设计了一种新的防御机制来检测SYN洪水攻击。首先，我们引入了一种机制，通过考虑到达流量的时间变化来更准确地检测SYN洪水流量。我们调查的统计数据的正常TCP SYN数据包和SYN洪水攻击数据包的到达率。然后，我们描述了一个新的检测机制，基于这些统计。通过跟踪驱动的方法，收到警报消息的防御节点可以识别合法流量，并通过委托SYN/ACK数据包阻止恶意流量。
2012-01-10 cs.CR
Defending Against Sophisticated Poisoning Attacks with RL-based Aggregation in Federated Learning
Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算高精尖创新中心）；Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院）
针对联邦学习中的复杂投毒攻击，本文提出基于强化学习的自适应聚合方法AdaAggRL，通过分布学习与MMD相似性计算，自适应确定聚合权重，在四个真实数据集上显著优于现有防御方法。
2024-12-15 cs.CR cs.LG
Invisible Adversaries: A Systematic Study of Session Manipulation Attacks on VPNs
Tsinghua University（清华大学）；Southeast University（东南大学）；Zhongguancun Lab（中关村实验室）
本文研究了VPN中会话操纵攻击的漏洞，揭示了连接跟踪框架中的安全问题，提出三种攻击方式，并评估了多个框架和VPN提供商的漏洞情况。
2026-04-05 cs.CR
Review of syn-flooding attack detection mechanism
拒绝服务（DoS）是一种安全威胁，由于欺骗的IP地址的未经授权的访问，会危及存储在局域网（LAN）中的信息的机密性。SYN Flooding是一种对网络有害的拒绝服务，因为数据包的洪泛可能会延迟其他用户访问服务器，在严重的情况下，服务器可能需要关闭，浪费宝贵的资源，特别是在电子商务和医疗领域等关键的实时服务中。本文的目的是审查国家的艺术SYN洪水的检测机制。针对SYN Flooding攻击的检测方案已经被大致分为三类-基于路由器数据结构的检测方案、基于分组流的统计分析的检测方案和基于人工智能的检测方案。每一类下的各种检测方案的优点和缺点进行了严格的审查。还对各类别的业绩计量进行了比较。
2012-02-08 cs.CR
BinderCracker: Assessing the Robustness of Android System Services
在Android中，应用和系统服务之间的通信由基于事务的进程间通信（IPC）机制支持。Binder作为该IPC机制的基石，将通信双方分隔为客户端和服务器端。与任何客户端-服务器模型一样，服务器不应该对客户端事务的有效性（健全性）做出任何假设。令我们惊讶的是，我们发现这一原则在Android系统服务的实现中经常被忽视。在本文中，我们展示了这个漏洞表面的流行程度和严重性，并试图回答为什么开发人员不断犯这个看似简单的错误。具体来说，我们设计并实现了BinderCracker，这是一个自动测试框架，支持参数感知的模糊测试，已经在六个主要版本的Android中识别出了100多个漏洞，包括最新版本的Android 6.0，Marshmallow。其中一些漏洞具有严重的安全影响，导致特权代码执行或永久拒绝服务（DoS）。我们分析了这些漏洞的根本原因，发现其中大多数漏洞的存在是因为系统服务开发人员只考虑通过公共API进行利用。因此，我们强调了只在客户端公共API上进行测试的不足，并认为有必要在Binder接口（实际的安全边界）上进行测试和保护。具体来说，我们讨论了潜在的对策，如预防性测试和运行时诊断的有效性和实用性。
2016-04-23 cs.CR
FedGraM: Defending Against Untargeted Attacks in Federated Learning via Embedding Gram Matrix
School of Computer Science and Technology（计算机科学与技术学院）；Xi’an Jiaotong University（西安交通大学）
针对联邦学习中非定向攻击防御受数据异构性限制的问题，提出基于嵌入Gram矩阵范数的FedGraM鲁棒聚合方法，用小辅助数据集检测恶意模型，性能优于现有方法。
2025-05-20 cs.AI cs.CR cs.DC
A Tale of Frozen Clouds: Quantifying the Impact of Algorithmic Complexity Vulnerabilities in Popular Web Servers
计算机复杂性漏洞是一类安全问题，使攻击者能够触发某些算法的最坏情况复杂性。此类漏洞可用于部署低容量、非对称、基于CPU的拒绝服务（DoS）攻击。以前的工作推测，这些漏洞在某些Web服务器（如Node.js）中比在传统服务器（如Apache）中更危险。我们认为，最重要的是了解情况是否确实如此，或者是否有办法利用各种部署战略来弥补这些问题。为此，我们研究了流行的Web服务器对基于CPU的拒绝服务攻击的弹性在四个主要的云平台在现实的部署条件下。我们发现，不同的Web服务器对攻击的反应确实存在显着差异。然而，我们的研究结果表明了一个比以前认为的更微妙的情况：虽然基于事件的系统在某些情况下往往能更快地从DoS中恢复，但它们的整体性能下降也最严重。尽管如此，在某些设置中，Apache的性能比基于事件的系统更差，并且存在云平台，其中所有考虑的服务器都严重暴露于攻击。我们还发现，开发人员可以通过增加并行运行的服务器实例的数量来增强其服务器对基于CPU的DoS攻击的抵抗能力。这反过来又会导致操作成本增加或在非DoS条件下性能略有下降。
2022-11-21 cs.CR cs.NI
Defending Against Poisoning Attacks in Federated Learning with Blockchain
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Imperial College London（帝国理工学院）；UiT The Arctic University of Norway（挪威北极大学）；Carnegie Mellon University（卡内基梅隆大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
针对联邦学习依赖中心化服务器存在单点故障、易受恶意客户端投毒攻击的问题，提出基于区块链与分布式账本、由链上智能合约驱动点对点投票及奖惩机制的安全联邦学习系统，经理论与实验验证对恶意客户端行为具备鲁棒性。
2024-03-12 cs.AI cs.CR cs.GT
Demo: Secure Edge Server for Network Slicing and Resource Allocation in Open RAN
提出安全智能网络切片框架SnSRIC，通过AI驱动的xApp动态分配物理资源块并执行切片级安全，在Open RAN中检测异常并节流流氓信令，有效缓解DDoS攻击，保障合法用户服务连续性。
2025-07-13 cs.CR cs.SY eess.SY
Do You Really Need to Disguise Normal Servers as Honeypots?
蜜罐是一种欺骗策略，已被广泛用于减轻网络威胁至少20年。决策者认为蜜罐策略是直观和有效的，因为蜜罐在现实世界的情况下成功地保护系统免受拒绝服务（DoS）攻击和高级持续性威胁（APT）。然而，在蜜罐技术应用的适当程度上选择现实世界的操作，缺乏研究。我们研究和对比三个攻击防御游戏方面的蜜罐检测技术在本文中。特别是，我们专门设计和对比了蜜罐技术的两个阶段，从一个没有欺骗的游戏开始。我们证明了使用蜜罐的防御者的回报高于没有蜜罐的防御者，尽管防御者可能并不总是从使用更多蜜罐欺骗策略中获得经济利益。特别是，将常规服务器伪装成蜜罐并不能为防御者提供更好的回报。此外，我们考虑到假蜜罐可以使维护正常节点的成本更高。本文的研究为现实世界中运营商确定蜜罐欺骗策略和蜜罐节点数量提供了理论依据。
2022-10-31 cs.CR cs.GT
Defending against Backdoors in Federated Learning with Robust Learning Rate
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
联邦学习（FL）允许一组代理协作训练模型，而无需共享其潜在的敏感数据。这使得FL适合隐私保护应用。同时，由于数据的分散性和不可见性，FL容易受到对抗攻击的影响。针对FL的一种重要攻击是后门攻击。在后门攻击中，攻击者试图在训练期间将后门功能嵌入模型，该后门功能稍后可以被激活以引起期望的错误分类。为了防止后门攻击，我们提出了一个轻量级的防御，需要最小的变化FL协议。在一个高层次上，我们的防御是基于仔细调整聚合服务器的学习率，每维和每轮，基于代理的更新的标志信息。我们首先推测在FL设置中进行成功的后门攻击的必要步骤，然后，明确地制定基于我们的推测的防御。通过实验，我们提供了支持我们的猜想的经验证据，我们测试我们的防御后门攻击在不同的设置。我们观察到，要么后门被完全消除，要么其准确性显着降低。总的来说，我们的实验表明，我们的防御显着优于一些最近提出的防御文献。我们通过对训练模型的准确性产生最小的影响来实现这一点。此外，我们还提供了我们提出的计划的收敛速度分析。
2021-07-29 cs.CR cs.LG stat.ML
Proactive DDoS Attack Mitigation in Cloud-Fog Environment using Moving Target Defense
分布式拒绝服务（DDoS）攻击是一种严重的网络攻击，在云中减轻DDoS攻击是一个持续研究的主题，仍然是一个主要的安全挑战。雾计算是云计算的一种扩展，已被用于保护云。移动目标防御（MTD）是一种新认可的主动安全防御，可用于减轻云上的DDoS攻击。MTD通过不断改变攻击面来迷惑攻击者，使系统具有动态性和不确定性。提出了一种基于MTD技术的云雾平台DDoS攻击防御框架（CFPM）。CFPM在雾层采用迁移MTD技术来抵御云中的DDoS攻击。它在雾层主动检测所有合法客户端中的攻击者，并将其与无辜客户端隔离开来。CFPM使用有效的请求处理过程进行负载均衡和攻击者隔离过程，旨在最大限度地减少对云服务器和服务雾服务器的中断。此外，CFPM的有效性进行评估，通过分析攻击前后的系统的行为，考虑不同的可能情况。这种方法是有效的，因为它使用了MTD技术和雾计算范式支持云环境的优势。
2020-12-03 cs.CR
Cloud-Based Secure Authentication (CSA) Protocol Suite for Defense against DoS Attacks
基于云的服务已成为我们日常软件解决方案的一部分。身份认证过程被认为是这些服务的主要网关。因此，这些门越来越容易受到攻击者的攻击，他们可能会使用拒绝服务（DoS）攻击来永久关闭这些门。有许多身份验证协议足够强大，可以验证身份并保护传统的网络应用程序。然而，当在基于云的应用中使用时，这些认证协议本身可能引入DoS风险。这种风险的引入是由于使用了繁重的验证过程，这可能会消耗云资源并禁用应用程序服务。在这项工作中，我们提出了一种新的基于云的认证协议套件，不仅知道内部的DoS威胁，但也能够抵御外部的DoS攻击者。所提出的解决方案使用了一个多层次的自适应技术来规定的协议参与者的努力。该技术能够识别合法用户的请求，并将其置于身份验证过程队列的前面。身份验证过程的设计方式使基于云的服务器变得无足迹，并完全意识到任何DoS攻击的风险。
2017-11-22 cs.CR
Too Expensive to Attack: Enlarge the Attack Expense through Joint Defense at the Edge
分布式拒绝服务（DDoS）攻击对企业和个人都是有害的，因为人们严重依赖互联网。由于利润可观，黑客青睐DDoS作为网络安全武器来攻击受害者。更糟糕的是，边缘服务器更容易受到攻击。目前的解决方案缺乏对攻击者和防御者之间协作的代价的充分考虑。因此，我们重新审视DDoS攻击和防御，阐明双方的优势和劣势。我们进一步提出了一个联合防御框架，以击败攻击者所需的机器人和扩大攻击费用的显着增加。定量评估和实验评估表明，这种费用可能会激增数千倍。费用的暴涨导致严重损失的破解者，这阻止了进一步的攻击。
2021-07-03 cs.CR
Honest Score Client Selection Scheme: Preventing Federated Learning Label Flipping Attacks in Non-IID Scenarios
针对非独立同分布场景下联邦学习易受标签翻转攻击的问题，提出诚实评分客户端选择（HSCS）方案，通过风险向量与准确率向量点积筛选客户端，有效提升模型鲁棒性。
2023-11-10 cs.CR
