面向SDN流表多模态感知与DRL协同防御DDoS方法

来源：计算机应用研究杂志2026年第2期北京时间：

作者：徐泽鹏,舒兆港,陈淑武,涂强,庄涛,

单位：1.福建农林大学计算机与信息学院,福州350002；2.福建农林大学智能传感与农业芯片技术福建省高校工程研究中心,福州350002；

摘要：软件定义网络（SDN）的集中化控制架构在提升管理效率的同时，面临分布式拒绝服务（DDoS）攻击风险。针对传统检测方法难以应对大规模动态流量中的隐蔽攻击行为，且易误封短时高并发正常流量的问题，提出一种基于多模态深度强化学习的DDoS防御系统。该系统通过融合时空特征解耦与智能决策优化，实现检测精度与资源效率的动态平衡，在资源充足时最大程度规避对非攻击流量的拒绝服务。实验结果显示，其攻击检测准确率平均达99.61%，误封率最高不超过0.5%，在保证高准确率的前提下降低了合法流量误封，实现了防御过程对网络服务质量的保障。

关键词：软件定义网络,分布式拒绝服务攻击,对抗深度强化学习网络,张量分解,

基金资助：福建省福厦泉协同创新平台项目(2025E3012)；福建省高校产学研合作项目(2024H6007)；福建省高校产学研联合创新项目(2024H6030)；；