软件定义网络中流量异常检测方法研究

户会军

doi:10.16009/j.issn.1009-5624.2026.10.014

信息记录材料 ›› 2026, Vol. 27 ›› Issue (10) : 40 -42+45. DOI: 10.16009/j.issn.1009-5624.2026.10.014

软件定义网络中流量异常检测方法研究

户会军

作者信息 +

Author information +

文章历史 +

PDF

摘要

软件定义网络(SDN)通过控制平面与数据平面分离实现网络资源灵活管理，但集中式控制架构带来新的安全威胁，传统检测方法在准确性与实时性之间难以取得平衡。为解决SDN环境下流量异常检测的性能平衡问题，本文提出基于多层次模型的检测方法，通过构建分层式系统架构，融合统计阈值、机器学习与深度神经网络3种算法，设计特征提取流程与分级判定策略。实验结果表明：深度神经网络方法准确率虽能达到91.5%的较高准确率，但伴随检测延迟问题；机器学习方法综合性能最优。本研究提出的混合策略能够有效适配不同场景下的性能需求。