Cross-Domain Joint DDoS Detection in Multi-Controller SDN via Confidence-Based Entropy Fusion
National Engineering Research Center for Mobile Network Technologies, Beijing University of Posts and Telecommunications（北京邮电大学移动通信国家重点实验室）
针对多控制器SDN中基于熵的DDoS检测器存在的汇聚偏差问题，提出跨域置信度融合框架，有效降低汇聚控制器误报率并提升F1分数。
2026-08-19 cs.CR
Toward a real-time TCP SYN Flood DDoS mitigation using Adaptive Neuro-Fuzzy classifier and SDN Assistance in Fog Computing
针对雾计算中TCP SYN Flood DDoS攻击问题，提出利用ANFIS和SDN辅助的FASA系统进行实时缓解，仿真表明其在准确率等指标上优于其他算法。
2023-11-27 cs.CR
When Time Meets Space: Entropy Integration and Dynamic Threshold for Adaptive DDoS Detection in SDN
National Engineering Research Center of Mobile Network Technologies, Beijing University of Posts and Telecommunications（北京邮电大学移动通信国家重点实验室）；Vanderbilt University（范德堡大学）；Louisiana State University（路易斯安那州立大学）
针对SDN中基于熵的DDoS检测易受IoT合法流量波动影响的问题，提出轻量级时空熵检测器，结合动态阈值实现高检测性能，支持资源受限场景部署。
2026-08-18 cs.CR
SDN-Based Intrusion Detection System for Early Detection and Mitigation of DDoS Attacks
本文讨论了物联网（IoT）新兴范式中网络设备引入的相关网络安全漏洞，以及减轻某些类型的分布式拒绝服务（DDoS）攻击的负面影响的迫切需要，这些攻击试图探索这些安全漏洞。本文设计并实现了一个软件定义的入侵检测系统（IDS），它能够在攻击源处对攻击进行主动防御，保证网络基础设施的正常运行。我们的建议包括一个IDS，它可以自动检测几种DDoS攻击，然后当检测到攻击时，它会通知软件定义网络（SDN）控制器。当前提案还将一些方便的流量转发决策从SDN控制器下载到网络设备。评估结果表明，我们的建议及时检测基于DDoS的几种类型的网络攻击，减轻其对网络性能的负面影响，并确保正常流量的正确数据传输。我们的工作揭示了在网络基础设施的抽象视图上的编程相关性，以及时检测僵尸网络利用，从源头上减轻恶意流量，并保护良性流量。
2021-04-15 cs.CR cs.NI
The role of Blockchain in DDoS attacks mitigation: techniques, open challenges and future directions
近年来，随着物联网（IOT）和软件定义网络（SDN）等新技术的普及，分布式拒绝服务（DDoS）攻击媒介不断扩大，并为针对目标受害者的更复杂的DDoS攻击提供了新的机会。新的攻击向量包括连接到互联网的不安全和易受攻击的物联网设备，SDN架构中的南向通道饱和等拒绝服务漏洞。鉴于这些攻击的数量大、范围广，利益相关者合作及时检测和缓解拒绝服务攻击是有益的。区块链技术被认为是由于分散的设计，安全的分布式存储和隐私而提高了安全性。在现有技术中没有探索用于DDoS攻击缓解的区块链技术的彻底探索和分类。本文回顾并分类了现有的基于区块链技术的最先进的DDoS缓解解决方案。DDoS缓解技术根据解决方案部署位置进行分类，即基于网络，靠近攻击者位置，靠近受害者位置以及网络架构中的混合解决方案，重点是物联网和SDN架构。此外，根据我们的研究，讨论了实施基于区块链的DDoS缓解解决方案的研究挑战和未来方向。我们相信这篇论文可以作为未来研究人员使用区块链技术检测和缓解拒绝服务攻击的起点和参考资源。
2022-02-08 cs.CR
Switching Coordinator: An SDN Application for Flexible QKD-Networks
Huawei Technologies Duesseldorf GmbH（华为技术有限公司杜塞尔多夫分公司）
本文提出了一种具备切换能力的QKD网络监控与控制系统，通过实时提取关键数据并动态调整网络配置，提升QKD网络的性能与安全性。
2026-03-14 cs.CR
XAI-SDN: An Explainable Entropy-Guided Machine Learning Framework for Real-Time DDoS Detection in Software Defined Networks
Islamic University of Madinah（麦地那伊斯兰大学）；King Fahd University of Petroleum and Minerals（法赫德国王石油与矿业大学）；Islamia University of Bahawalpur（巴哈瓦尔布尔伊斯兰大学）
提出XAI-SDN框架，利用熵引导和随机森林结合SHAP实现SDN中实时可解释DDoS检测，在CIC-DDoS2019上达到99.9987%准确率，兼顾性能与透明度。
2026-09-09 cs.AI cs.CR cs.NI
Intelligent Detection and Mitigation of Carpet-Bombing DDoS Attacks in SDN Using Retrieval-Augmented Generation and Large Language Models
College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院）；ICNLab, Shenzhen Graduate School, Peking University（北京大学深圳研究生院ICN实验室）
提出一种结合检索增强生成（RAG）和大语言模型（LLM）的框架，通过接口级流量特征、语义嵌入和相似性检索，实现对SDN中地毯式轰炸DDoS攻击的实时检测与缓解，无需传统监督训练。
2026-05-25 cs.AI cs.CR cs.NI
Detection of DDoS Attacks in Software Defined Networking Using Machine Learning Models
Arab American University（阿拉伯美国大学）
软件定义网络（SDN）的概念代表了一种现代的网络方法，该方法通过网络抽象将控制平面与数据平面分离，从而与传统网络相比产生了灵活、可编程和动态的架构。控制平面和数据平面的分离带来了高度的网络弹性，但也带来了新的安全风险，包括分布式拒绝服务（DDoS）攻击的威胁，这对SDN环境构成了新的挑战。本文研究了在软件定义网络（SDN）环境中使用机器学习算法检测分布式拒绝服务（DDoS）攻击的有效性。四种算法，包括随机森林，决策树，支持向量机和XGBoost，在CICDDoS 2019数据集上进行了测试，其中删除了时间戳功能。通过准确度、召回率、准确度和F1评分来评估性能，其中随机森林算法的准确度最高，为68.9%。结果表明，基于ML的检测是一种更准确和有效的方法来识别SDN中的DDoS攻击，尽管非参数算法的计算要求。
2023-03-11 cs.CR cs.LG
SDN-Assisted Network-Based Mitigation of Slow DDoS Attacks
针对网络应用程序的慢速攻击通常不容易检测，因为攻击者的行为符合规范。许多网络应用程序的服务器没有为这种攻击做好准备，这要么是由于缺少对策，要么是因为它们的默认配置忽略了这种攻击。保护网络服务免受此类攻击的压力越来越多地从服务运营商转移到受攻击服务器的网络运营商。诸如软件定义网络之类的最新技术提供了灵活性和可扩展性，以在没有目标运营商的帮助下分析和影响网络流。基于我们以前在基于网络的缓解方面的工作，我们扩展了一个框架，以检测和缓解网络基础设施内运行缓慢的DDoS攻击，但不需要访问受到攻击的服务器。我们开发和评估了几种识别方案，以确定攻击者在网络中完全基于网络流量信息。我们表明，通过测量数据包的速率和数据包的距离的均匀性，一个可靠的标识符可以建立，给定的部署网络的训练期。
2018-04-18 cs.CR cs.NI
A Scalable Cloud-Orchestrated and Service-Oriented Multi-Domain QKD Network with PQC Integration
National and Kapodistrian University of Athens（雅典国立卡波季斯特里安大学）；Eulambia Advanced Techonlogies Ltd.（尤兰比亚先进技术有限公司）
针对现有QKD网络难跨异构设施和管理域扩展的问题，提出集成QKD、SDN编排和云管理信任服务的多域网络架构，基于PQC签名和密钥封装算法构建认证机制，实验验证其有效性，扩展了量子安全密钥传输边界。
2026-07-15 cs.CR
First Experimental Demonstration of Secure NFV Orchestration over an SDN-Controlled Optical Network with Time-Shared Quantum Key Distribution Resources
我们首次展示了将NFV编排和SDN控制与量子密钥分发（QKD）技术相结合的安全光网络架构。提出了一种新的分时QKD网络设计方案，为实际网络提供了一种经济有效的解决方案。
2016-04-21 cs.CR cs.NI
Permissioned Blockchain-Based Security for SDN in IoT Cloud Networks
云网络的进步使传统网络元素和各行各业的新设备都能够连接，从而形成物联网（IoT）。在物联网环境中，改善和扩展网络组件以及降低成本对于维持指数增长至关重要。在这个领域中，软件定义网络（SDN）正在以一种新的范式革新网络基础设施。SDN将控制/路由逻辑与数据传输/转发分开。这种分裂导致SDN中的许多问题，例如DDoS攻击的漏洞。已经提出了许多解决方案（包括基于区块链的）来克服这些问题。在这项工作中，我们提供了一个基于区块链的解决方案，该解决方案在冗余SDN（负载平衡）中提供，以服务于数百万个物联网设备。区块链被认为是防篡改的，并且由于账本的复制和对账本的验证和添加的共识而不可能被破坏。因此，它非常适合物联网网络中的SDN。区块链技术为每个人提供了去中心化信任的工作证明。实验结果表明，增益和效率方面的准确性，更新过程中，和带宽利用率。
2020-02-02 cs.CR
Enhanced Multi-Class DDoS Attack Identification using a Meta-Learning Ensemble
Department of Computer Science, College of Science, San Jose State University（圣何塞州立大学理学院计算机科学系）
研究针对DDoS攻击类型识别问题，提出集成LSTM、KNN、RF模型并由逻辑回归元学习器合成输出的方法，所提模型在多类识别任务中准确率达96%，在SDN环境中也有良好表现，凸显元学习集成对DDoS威胁识别的价值。
2026-07-21 cs.CR
Software Defined Networks Key Relay for Large-Scale Quantum Key Distribution Networks
Center for Digital Safety and Security, AIT Austrian Institute of Technology（奥地利技术研究所数字安全与保护中心）
本研究采用SDN技术解决大规模QKDN编排问题，提出多种路径选择算法及不经意多方协议，以提升量子安全网络基础设施的可扩展性、弹性与互操作性。
2026-08-19 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
Denial of Service Attacks Detection in Software-Defined Wireless Sensor Networks
软件定义网络（Software-defined networking，SDN）是一种很有前途的技术，可以克服无线传感器网络（wireless sensor networks，WSN）中的许多挑战，特别是在灵活性和重用方面。相反，集中化和平面分离使SDN容易受到分布式拒绝服务（DDoS）攻击的一般背景下的新的安全威胁。识别DDoS的最新方法并不总是考虑典型WSN中的限制，例如，计算复杂性和功率约束，而进一步的性能改进始终是目标。这项工作的目的是提出一个轻量级的，但非常有效的DDoS攻击检测方法，使用变化点分析。我们的方法具有较高的检测率和线性复杂度，使它适合于无线传感器网络。我们证明了我们的检测器在软件定义的无线传感器网络的36和100个节点不同的攻击强度（攻击者的数量范围从5%到20%的节点）的性能。我们使用变化点检测器来监测两个指标的异常：数据包的交付率和控制包的开销。我们的实验结果显示，随着攻击强度的增加，我们的方法可以达到接近100%的检测率，并且可以推断出攻击的类型。
2020-03-26 cs.CR cs.NI
Proactive DDoS Detection and Mitigation in Decentralized Software-Defined Networking via Port-Level Monitoring and Zero-Training Large Language Models
College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院）
针对去中心化软件定义网络（dSDN）的DDoS攻击漏洞，提出一种结合端口级监控与零训练DeepSeek-v3 LLM的检测与缓解框架，实现近乎完美的检测精度并在源头阻断恶意流量。
2025-11-01 cs.AI cs.CR
Unseen Attack Detection in Software-Defined Networking Using a BERT-Based Large Language Model
Shenzhen University（深圳大学）
针对软件定义网络的安全挑战与现有攻击检测的缺口，提出结合随机森林特征选择、多流判定与BERT base模型的检测方法，可检测未知攻击，在已知与未知攻击场景下均达99.96%准确率。
2024-12-09 cs.AI cs.CR
GNN-enhanced Traffic Anomaly Detection for Next-Generation SDN-Enabled Consumer Electronics
National Taiwan University（国立台湾科技大学）；National Yang Ming Chiao Tung University（阳明交通大学）；National Dong Hwa University（东华大学）
本文提出基于GNN的网络异常检测框架GNN-NAD，结合SDN和CFN技术，提升下一代消费电子产品网络的安全性和效率。
2025-10-08 cs.CR cs.LG cs.NI
Multi-Criteria Routing for Cryptographic Key Exchange in QKD Networks: Survey, Taxonomy, and a Conceptual Optimization Framework
University of Zagreb, Faculty of Transport and Traffic Sciences（萨格勒布大学交通与交通科学学院）；University of Aveiro, Department of Electronics, Telecommunications and Informatics (DETI)（阿威罗大学电子、电信与信息学系）；Instituto de Telecomunicações（电信研究所）
本综述分析2013-2024年26种QKD网络路由策略，分类动态/多路径/SDN等方法，对比其性能（如动态算法降服务拒绝率25-40%），指出量子中继器等关键方向，为大规模QKD网络工程提供指导。
2026-10-20 cs.CR cs.ET quant-ph
Methods and Techniques for Dynamic Deployability of Software-Defined Security Services
Dipartimento di Ingegneria dell’Energia Elettrica e dell’Informazione “Guglielmo Marconi”（古列尔莫·马可尼电力、能源与信息工程系）
随着“网络软件化”的最近趋势，由诸如软件定义网络（SDN）和网络功能虚拟化（NFV）的新兴技术实现，数据中心和企业网的系统管理员已经开始用在服务器和终端主机上运行的虚拟化网络功能替换专用的基于硬件的中间盒。这种根本性的变化促进了先进和灵活的网络服务的提供，最终帮助系统管理员和网络运营商应对服务需求和网络工作负载的快速变化。本论文研究了在“软件化”网络中提供网络安全服务的挑战，在这种网络中，住宅和商业用户的安全可以通过在高性能服务器或商品计算设备上运行的基于软件的网络功能来提供。该研究是从电信运营商的角度进行的，其目标是保护客户免受网络威胁，同时最大限度地增加提供的服务数量，从而增加收入。具体而言，在本论文中提出的研究的总体目标是提出新的技术，用于优化基于软件的安全服务的资源使用，从而增加运营商的机会，以适应更多的服务请求，同时尊重客户的网络安全的期望水平。在这个方向上，本论文的贡献如下：（i）一个解决方案的动态供应的安全服务，最大限度地减少利用的计算和网络资源，和（ii）新的方法基于深度学习和Linux内核技术，以减少CPU使用的基于软件的安全网络功能，特别是对分布式拒绝服务（DDoS）攻击的防御。
2020-04-04 cs.CR cs.LG cs.NI
AI-Native Closed-Loop Security for 6G-Enabled Cyber-Physical Systems: From Edge Detection to Network-Wide Mitigation
Division of Science, Engineering, and Health Studies, School of Professional Education and Executive Development, The Hong Kong Polytechnic University（香港理工大学科学、工程与健康研究学院，专业教育与 executive 发展学院）；School of Computing and Communications, Lancaster University（兰卡斯特大学计算机与通讯学院）；Department of Computer Science, The Hang Seng University of Hong Kong（香港恒生大学计算机科学系）；School of Computer Science and Electronic Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院）；School of Information and Communication Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院）；Department of Applied Data Science, Hong Kong Shue Yan University（香港-Shue Yan大学应用数据科学系）；Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（香港理工大学电子与计算机工程系）
本文提出一种AI原生闭环安全架构，在6G CPS中利用MEC进行边缘检测，通过SDN/NFV/O-RAN实现全网缓解，并形式化定义了切片级延迟约束，系统综述了128篇研究并归纳了五个开放问题。
2026-06-06 cs.CR cs.LG cs.NI
