COVID-19场景下电子学习系统中网络异常主动检测的方法论提案
密码学与安全
2021-09-07 v1
摘要
在冠状病毒（SARS-CoV-2）即COVID-19疾病大流行等特定条件和危机情形下，电子学习系统对于教学和其余教育过程的顺畅开展变得至关重要。在此类场景中，电子学习生态系统各要素的可用性进一步凸显。保障此类生态系统可用性的重要性指标，从针对AAI@EduHr（作为克罗地亚共和国众多电子学习用户的关键认证服务）的DDoS（分布式拒绝服务）攻击中可见一斑。此举致使大量用户（教师/学生/管理员）无法实现并参与既定的教学过程。鉴于DDoS作为网络流量异常已被确认为危机场景下电子学习生态系统的关键威胁之一，本研究将聚焦于开发DDoS流量主动检测模型的方法论概述。检测中的挑战在于有效区分由合法用户活动（闪群）引起的流量强度与服务请求提升，与DDoS攻击导致的非法流量。遵循所分析方法论开发的DDoS流量检测模型，将作为提供进一步指南与建议的基础，以响应可能对电子学习生态系统要素可用性产生负面影响的事件（如DDoS攻击）。
引用
@article{arxiv.2104.11234,
title = {Methodology proposal for proactive detection of network anomalies in e-learning system during the COVID-19 scenario},
author = {Ivan Cvitić and Dragan Peraković and Marko Periša and Anca D. Jurcut},
journal= {arXiv preprint arXiv:2104.11234},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2104.11041