分布式拒绝服务(Distributed Denial of Service,DDoS)攻击是攻击者通过控制大量僵尸主机,对一个或多个目标同时发动攻击,消耗攻击目标的服务器资源和网络带宽资源,使目标主机不能对正常用户请求进行处理和响应的攻击类型。近些年,分布式拒绝服务攻击发生频率居高不下,并且攻击强度不断增大,DDoS攻击已成为网络安全领域的主要威胁之一。特别是随着人工智能技术的发展,DDoS攻击有向智能化方向发展的趋势,呈现出与传统攻击方式许多不同的特点,这导致原有的检测思路和方法不再适用。因此,研究出智能化DDoS攻击场景的攻击检测方法对维护网络安全具有极其重要的意义。本文针对这种新型的DDoS攻击方式,开展了原理分析、方法研究和仿真验证等工作,主要内容如下:1.为了研究智能化的DDoS攻击,通过参考相关文献,介绍并实现了一种具有学习能力的DDoS攻击模型。在这种具有学习能力的DDoS攻击中,僵尸主机可以通过模仿网络中正常用户流量特征构造攻击流量,提高了攻击流量的隐蔽性。2.针对具有学习能力的DDoS攻击,提出了一种基于滑动窗口的DDoS攻击检测算法。通过分析和研究攻击机制的特点,选取网络流量大小和报文重复数作为检测特征。在检测时根据检测时刻前一段时间内网络流量大小和报文重复数两个特征的变化情况,使用切比雪夫不等式选用两倍方差作为检测阈值实现对网络中DDoS攻击的检测。3.在发生DDoS攻击时,识别出网络中存在的僵尸主机对于攻击的防御和缓解具有重要意义,因此提出了一种基于信息干扰的僵尸主机识别算法。通过先干扰后检测的思路实现对具有学习能力的僵尸主机的识别,解决了构造干扰报文时特征字段选择和特征字段取值问题,同时也确定了最优的干扰报文发送速率,最后通过确定的检测阈值实现对网络中僵尸主机的识别。此外,通过搭建仿真网络环境验证了本文中DDoS攻击检测算法和僵尸主机识别算法的有效性。从结果来看,DDoS攻击检测算法能以88.37%的准确率对网络中不同强度的DDoS攻击进行检测,僵尸主机识别算法在不同系统错检率要求和不同网络规模下均能有效地实现对网络中僵尸主机的识别。