KR101528928B1 - 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법 - Google Patents
플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법 Download PDFInfo
- Publication number
- KR101528928B1 KR101528928B1 KR1020080131548A KR20080131548A KR101528928B1 KR 101528928 B1 KR101528928 B1 KR 101528928B1 KR 1020080131548 A KR1020080131548 A KR 1020080131548A KR 20080131548 A KR20080131548 A KR 20080131548A KR 101528928 B1 KR101528928 B1 KR 101528928B1
- Authority
- KR
- South Korea
- Prior art keywords
- flow
- session
- flow pattern
- pattern
- network traffic
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000005111 flow chemistry technique Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 37
- 230000001276 controlling effect Effects 0.000 claims description 5
- 238000005206 flow analysis Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
Abstract
본 발명은 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법에 관한 것으로, 기본적인 플로우 정보뿐만 아니라 플로우들 간의 상관관계(예를 들면, 호스트의 플로우 수, 대량 플로우(Heavy Flow)인가 아닌가 등)를 기반으로 어떤 세션(응용 프로그램)이 동작함으로써 발생하는 것(플로우 패턴)인가를 실시간으로 인식하고, 이에 대해 트래픽 제어 정책을 기반으로 각 응용 프로그램으로부터 발생된 플로우들을 제어함으로써, 세션 기반으로 네트워크의 대역폭을 관리할 수 있는, 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은, 네트워크 트래픽 관리 장치에 있어서, 세션별 플로우 패턴을 저장하기 위한 플로우 패턴 저장 수단; 네트워크 트래픽의 데이터 링크를 통해 전송되는 패킷들로부터 개별 플로우 정보를 추출하여 플로우를 생성하고, 트래픽 제어 정책에 따라 플로우별 네트워크 트래픽을 제어하기 위한 플로우 처리 수단; 상기 추출된 개별 플로우 정보로부터 연관된 플로우 집합에 대한 플로우 파라미터를 추출하여 플로우 패턴을 분석하고, 상기 분석된 결과와 상기 저장된 세션별 플로우 패턴을 이용하여 상기 플로우 집합이 속한 세션을 인식하고, 상기 인식된 세션 기반으로 상기 트래픽 제어 정책을 결정하기 위한 플로우 제어 수단; 및 상기 플로우 제어 수단에서 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 상기 저장된 세션별 플로우 패턴 목록을 갱신하기 위한 플로우 패턴 분석 수단을 포함한다.
플로우, 세션, 네트워크, 트래픽 분석, 트래픽 제어, 플로우 패턴
Description
본 발명은 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 기본적인 플로우 정보뿐만 아니라 플로우들 간의 상관관계(예를 들면, 호스트의 플로우 수, 대량 플로우(Heavy Flow)인가 아닌가 등)를 기반으로 어떤 세션(응용 프로그램)이 동작함으로써 발생하는 것(플로우 패턴)인가를 실시간으로 인식하고, 이에 대해 트래픽 제어 정책을 기반으로 각 응용 프로그램으로부터 발생된 플로우들을 제어함으로써, 세션 기반으로 네트워크의 대역폭을 관리할 수 있는, 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법에 관한 것이다.
최근 업무 전산화로 인한 분산 컴퓨팅 환경이 확대되고 네트워크 기반의 응용 프로그램이 다양하게 개발되고 있다. 이에 따라, 네트워크 트래픽은 증가하는 추세에 있다. 또한, 어느 호스트에서 어떤 형태의 트래픽이 얼마만큼 유발되는지를 알아내는 일은 한정된 네트워크 자원을 효율적으로 활용하는데 매우 중요한 일이 되었다.
하지만, 현재의 네트워크 관리 시스템들은 트래픽 모니터링에 따른 통계값 제공 등의 단순 평면적인 정보만을 제공할 뿐, 네트워크를 정밀 분석하고 그에 따른 대책을 마련하기에는 미약하다. 따라서 네트워크 관리 시스템은 네트워크 트래픽을 자세히 분석해야 한다. 또한, 네트워크 관리 시스템은 네트워크 계층별, 지역별, 호스트별 및 트래픽 플로우별로 트래픽 분석 및 진단할 수 있는 시스템의 개발이 필요하다. 이는 효율적인 네트워크 자원 활용을 위함이다.
종래의 네트워크 제어 및 관리 장비들은 TCP/UDP 또는 IP의 패킷 정보를 기반으로 네트워크를 제어하거나 관리한다. 해당 장비들은 특정 단위 목표인 라우팅이나 QoS, DDoS 방지 등을 달성하기 위해 연구되고 있다.
그러나 이러한 패킷 기반의 접근 방법은 상위 애플리케이션들의 통신 관계에 따른 정보들을 무시하고 있다. 또한, 이러한 접근 방법은 단순히 일시적인 정보 전달 단위인 각각의 분리된 패킷에 담겨 있는 정보들에만 의존하고 있다. 그렇기 때문에, 패킷 기반의 접근 시스템은 적게는 처리 속도의 한계성과 크게는 적용성의 한계로 인해 독립적인 목표를 위한 단일 시스템의 형태로 제공되고 있다. 여기서, 독립적인 목표를 위한 단일 시스템은 패킷 라우팅을 위한 라우터, DDoS 공격을 방어하는 전용 시스템, 또는 트래픽 제어를 위한 DPI 시스템 등을 포함할 수 있다.
또한, IP 네트워크의 본질인 베스트 에포트(베스트 에포트)라는 전송 및 운용 방식은 점차 증가하는 사용자 트래픽의 폭증, 인터넷 기술의 보편화에 따른 악 의적인 사용자 증가로 인해 DDoS 공격, 네트워크 대역폭(네트워크 Bandwidth) 공격 등이 증가함에 따라 네트워크의 관리 및 유지보수에 많은 문제점을 야기하고 있다.
종래의 베스트 에포트 전송 및 운용 방식은 DDoS 공격, 대역폭(Bandwidth) 공격, P2P 등에 대한 다양한 현재 IP 네트워크 문제점이 있다. 이러한 종래의 전송 및 운영 방식은 미션 크리티컬한 트래픽(Mission-Critical 트래픽)(예를 들면, TV, SoIP, 이-러닝(e-Learning) 등)을 보호하지 못해서 인터넷의 서비스 품질을 극대화하지 못한다는 문제점이 있다. 또한 네트워크 중심전(NCW: 네트워크 Centric Warfare)과 전자정부를 추구하는 국방 광대역 통신망과 국가 정보 통신망에도 여러 가지 문제점이 있다.
최근의 상황은 P2P, DDoS 공격 등 예측하기 어려운 패킷의 무분별한 유입으로 네트워크 대역폭에 대한 위협은 날로 증가하는 추세이다. 이는 사용자가 발생하는 패킷을 특별한 제어 없이 가용한 자원을 최대한 활용하도록 설계된 IP의 특성으로 인한 당연한 결과이다. 이로 인한 결과는 공격으로 인한 서비스의 중단, 통제 불가능한 자원 관리로 인한 정상 서비스의 품질 저하, 네트워크 구축을 위한 투자비의 증가 등 이루 말할 수 없는 문제점을 초래하고 있다.
한편, 플로우 기술과 세션 인식 네트워크 기술은 연구 개발의 초기 단계에 있는 기술 분야이다. 망 사업자를 중심으로 IP 네트워크에서 실시간으로 미션 크리티컬한 트래픽(Mission Critical Traffic)을 감시 및 보호하는 기술로 활용하기 위해 조금씩 연구 개발이 진행되고 되고 있다. 그리고 플로우 라우터 및 하드웨어 장비와 플로우 제어 기술과 같은 소프트웨어 기술을 융합하여 플로우 기반 네트워크 제어 장비를 개발하고자 하는 연구 개발들이 시도되고 있다. 또한, 대형 네트워크 장비 업체들을 중심으로 네트워크 트래픽 분석의 중심 기술로서 연구되고 있다. 또한, 고속 플로우 라우팅 장비들의 개발이 진행되고 있다.
그러나 이러한 기술들이 네트워크 트래픽의 오프라인(Off-line) 분석 또는 고속 라우팅 기술로 활용되고 있기에, 실시간 네트워크 트래픽의 제어를 위한 기술 수준을 확보하지 못하고 있는 실정이다. 즉, 플로우의 생성 기술이 패킷의 샘플링에 의존하고 있기 때문에 실시간 제어를 위한 정확한 정보 추출 수준이 되지 못하고 있다.
현재 대표적인 네트워크 트래픽 검출 및 제어 시스템은 패킷의 페이로드를 검사하는 딥패킷 인스펙션(DPI: Deep 패킷 Inspection) 시스템이다. DPI 시스템은 세 가지 치명적인 단점이 있다. 첫째, 전송되는 모든 패킷의 페이로드를 검사해야함으로 프로세싱의 오버헤드가 너무 크다. 둘째, 페이로드가 암호화된 패킷일 경우 암호화를 풀 수 있는 방법이 없다. 그러므로 네트워크 트래픽을 검출할 방법이 없다. 셋째, 패킷 페이로드의 검사로 인해 네트워크 사용자의 프라이버시를 훼손할 수 있는 상황이므로 법적인 문제를 내포하고 있다. 세 가지 문제점으로 인해 DPI 시스템의 실제 망 적용에도 한계에 부딪히고 있다. 하지만, 아직까지는 DPI 시스템의 문제점을 해결하고 대응할 수 있는 시스템적인 해결 방안이나 종래의 기술이 부재한 상황이다.
따라서 상기와 같은 종래 기술은 패킷의 페이로드를 검사하여 네트워크 트래픽을 검출함으로써, 페이로드를 처리하는 프로세싱의 오버헤드가 크며, 페이로드가 암호화되어 있는 경우에 트래픽 검출할 수 없으며, 페이로드 검사로 인한 사용자의 프라이버시가 훼손될 수 있다는 문제점이 있으며, 이러한 문제점을 해결하고자 하는 것이 본 발명의 과제이다.
따라서 본 발명은 기본적인 플로우 정보뿐만 아니라 플로우들 간의 상관관계(예를 들면, 호스트의 플로우 수, 대량 플로우(Heavy Flow)인가 아닌가 등)를 기반으로 어떤 세션(응용 프로그램)이 동작함으로써 발생하는 것(플로우 패턴)인가를 실시간으로 인식하고, 이에 대해 트래픽 제어 정책을 기반으로 각 응용 프로그램으로부터 발생된 플로우들을 제어함으로써, 세션 기반으로 네트워크의 대역폭을 관리할 수 있는, 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명은 상기 문제점을 해결하기 위하여, 기본적인 플로우 정보뿐만 아니라 플로우들 간의 상관관계(예를 들면, 호스트의 플로우 수, 대량 플로우(Heavy Flow)인가 아닌가 등)를 기반으로 어떤 세션(응용 프로그램)이 동작함으로써 발생하는 것(플로우 패턴)인가를 실시간으로 인식하고, 이에 대해 트래픽 제어 정책을 기반으로 각 응용 프로그램으로부터 발생된 플로우들을 제어한다.
더욱 구체적으로, 본 발명의 장치는, 네트워크 트래픽 관리 장치에 있어서, 세션별 플로우 패턴을 저장하기 위한 플로우 패턴 저장 수단; 네트워크 트래픽의 데이터 링크를 통해 전송되는 패킷들로부터 개별 플로우 정보를 추출하여 플로우를 생성하고, 트래픽 제어 정책에 따라 플로우별 네트워크 트래픽을 제어하기 위한 플로우 처리 수단; 상기 추출된 개별 플로우 정보로부터 연관된 플로우 집합에 대한 플로우 파라미터를 추출하여 플로우 패턴을 분석하고, 상기 분석된 결과와 상기 저장된 세션별 플로우 패턴을 이용하여 상기 플로우 집합이 속한 세션을 인식하고, 상기 인식된 세션 기반으로 상기 트래픽 제어 정책을 결정하기 위한 플로우 제어 수단; 및 상기 플로우 제어 수단에서 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 상기 저장된 세션별 플로우 패턴 목록을 갱신하기 위한 플로우 패턴 분석 수단을 포함한다.
삭제
한편, 본 발명의 방법은, 네트워크 트래픽 관리 방법에 있어서, 네트워크 트래픽의 데이터 링크를 통해 전송되는 패킷들로부터 개별 플로우 정보를 추출하여 플로우를 생성하는 플로우 생성 단계; 상기 추출된 개별 플로우 정보로부터 연관된 플로우 집합에 대한 플로우 파라미터를 추출하여 플로우 패턴을 분석하는 플로우 분석 단계; 상기 분석된 결과와 기저장된 세션별 플로우 패턴을 이용하여 상기 플로우 집합이 속한 세션을 인식하는 세션 인식 단계; 상기 인식된 세션 기반으로 트래픽 제어 정책을 결정하고 상기 결정된 트래픽 제어 정책에 따라 세션별 네트워크 트래픽을 제어하는 플로우 제어 단계; 및 상기 플로우 분석 단계에서 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 세션별 플로우 패턴 목록을 갱신하는 목록 갱신 단계를 포함한다.
삭제
상기와 같은 본 발명은, 기본적인 플로우 정보뿐만 아니라 플로우들 간의 상관관계(예를 들면, 호스트의 플로우 수, 대량 플로우(Heavy Flow)인가 아닌가 등)를 기반으로 어떤 세션(응용 프로그램)이 동작함으로써 발생하는 것(플로우 패턴)인가를 실시간으로 인식하고, 이에 대해 트래픽 제어 정책을 기반으로 각 응용 프로그램으로부터 발생된 플로우들을 제어함으로써, 세션 기반으로 네트워크의 대역폭을 관리할 수 있는 효과가 있다.
즉, 본 발명은, 플로우 기반의 세션 인식 기술을 기반으로 하는 세션 기반 IP 네트워크 기술을 제시함으로써, 디도스(DDoS) 공격, 대역폭(Bandwidth) 공격, 피투피(P2P) 등의 다양한 현재 IP 네트워크의 문제점들을 해결할 수 있는 효과가 있다.
또한, 본 발명은, IPTV, SoIP, e-러닝 등과 같은 미션 크리티컬한 트래픽을 보호함으로써 인터넷의 서비스 품질을 극대화할 수 있다.
더 나아가, 본 발명은, 세션 기반의 IP 네트워크 기술을 이용하여 네트워크 중심전과 전자정부를 추구하는 국방 광대역 통신망과 국가 정보 통신망에 상존하는 문제점들을 해결할 수 있다. 본 발명은, 지능형 라우터 및 스위치, 광역 통신망(WAN) 가속기, 디도스(DDoS)나 파이어웨어(FireWare)와 같은 네트워크 보안 장비, 그리고 네트워크 QOS 관련 장비의 개발이 더욱 활성화될 수 있는 효과가 있다.
상술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되어 있는 상세한 설명을 통하여 보다 명확해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
본 발명을 설명하기에 앞서, 용어들을 살펴보면 다음과 같다.
플로우(Flow)는 제한된 시간 내에 연속적으로 전달되는 IP 패킷들의 집합이 다. 딥패킷 인스펙션(DPI: Deep 패킷 Inspection) 시스템은 패킷의 페이로드를 검사하는 패킷 필터링 방법이다. 비동기 전송 방식(ATM: Asynchronous Transfer Mode)은 자료를 일정한 크기로 정하여 순서대로 전송하는 전송 방식이다. 그리고 디도스 공격(DDoS: Distributed Denial-of-Service Attack)은 여러 대의 컴퓨터를 일제히 동작하게 하여 특정 사이트를 공격하는 분산 서비스 거부 공격이다. 피투피(P2P: Peer to Peer)는 서버와 클라이언트 역할을 담당하는 동등한 계층 노드들(peer nodes)들로 구성된 네트워크이다.
도 1 은 본 발명에 따른 플로우 및 세션 기반의 네트워크 트래픽 관리 장치의 일실시예 구성도이다.
도 1에 도시된 바와 같이, 네트워크 트래픽 관리 장치(100)는 플로우 처리부(110), 플로우 제어부(120), 플로우 패턴 분석부(130) 및 플로우 패턴 데이터베이스(140)를 포함한다.
네트워크 트래픽 관리 장치(100)는 실시간 네트워크 대역폭 제어 및 보호를 위하여 베스트 에포트 방식의 IP 네트워크 기술에 ATM의 제어 개념을 접목한 혼합형 기술이 이용된다. 그리고 네트워크 트래픽 관리 장치(100)는 플로우 기반 기술과 세션 인식 기술을 이용한 세션 기반의 IP 네트워크 트래픽 관리 장치에 관한 것이다.
예를 들어, 네트워크 트래픽 관리 장치(100)는 베스트 에포트 기반의 이더넷 및 TCP/IP 기술의 태생적인 문제점을 상용망에서 해결하고자 한다. 여기서, 베스트 에포트 기반의 이더넷 및 TCP/IP 기술은 전술된 디도스(DDoS) 공격, 대역 폭(Bandwidth) 공격 등 취약점과 랜(LAN: Local Area Network)과 맨(MAN: Metropolitan Area Network)을 구축하기 위한 것이다. 그리고 네트워크 트래픽 관리 장치(100)는 IPTV, SoIP, 이-러닝(e-Learning) 등과 같은 미션 크리티컬한 트래픽(Mission-Critical Traffic)을 보호함으로써 인터넷의 서비스 품질을 극대화하고자 플로우 기반의 세션 인식 기술을 기반으로 하는 세션 기반의 IP 네트워크 트래픽 관리 장치에 관한 것이다.
이하, 본 발명에 따른 네트워크 트래픽 관리 장치(100)의 구성요소 각각 및 네트워크 트래픽 관리 방법에 대하여 살펴보기로 한다.
플로우 처리부(110)는 연속된 패킷들로부터 플로우 정보를 추출하고, 플로우 별로 트래픽을 제어한다. 즉, 플로우 처리부(110)는 패킷 기반의 IP 네트워크에서 세션 인식을 위한 단위인 플로우를 생성하여 관리한다. 또한, 플로우 처리부(110)는 플로우 제어 규칙에 의거하여 플로우에 대한 처리를 수행한다. 플로우 처리부(110)는 패킷 단위가 아닌 플로우 단위로 라우팅을 수행함으로써 저성능 장비에서도 고속의 라우팅의 제공이 가능하다.
그리고 플로우 제어부(120)는 플로우 기반으로 네트워크 트래픽을 분석하고, 분석한 결과를 기반으로 트래픽 제어 정책을 생성한다. 즉, 플로우 제어부(120)는 플로우 처리부(110)로부터 실시간으로 전달되는 플로우 정보 및 각 플로우들의 플로우 파라미터를 기반으로 플로우 패턴을 분석한다. 이후, 플로우 제어부(120)는 분석된 트래픽에 대한 제어 정책을 결정하고 그 결정된 제어 정책을 플로우 처리부(110)에 전달한다. 이는 실시간으로 플로우 기반 네트워크 대역폭 관리 및 제어 를 가능하게 하기 위함이다. 또한, 플로우 제어부(120)는 세션 기반 IP 네트워크 시스템의 주요 기술인 실시간 세션 인식 기능을 수행한다.
그리고 플로우 패턴 분석부(130)는 플로우 제어부(120)에서 실시간으로 처리하지 못하는 플로우들의 패턴 정보에 대해 패턴 분석을 수행하고, 이의 결과인 플로우 패턴 정보를 플로우 제어부(120)에 적용한다. 즉, 플로우 제어부(120)에서 실시간으로 처리하지 못하는 플로우들의 패턴 정보에 대해 패턴 분석을 수행하고, 이의 결과인 플로우 패턴 정보를 플로우 제어부(120)에 전달하여 실시간으로 네트워크 대역폭 제어가 가능하도록 한다.
그리고 플로우 패턴 데이터베이스(140)는 세션 기반을 위해 필요한 다양한 응용 서비스들의 플로우 패턴을 분석하고 그 분석 결과를 저장한다. 즉, 플로우 패턴 데이터베이스(140)는 세션 인식을 위해 필요한 다양한 응용 서비스들의 플로우 패턴을 분석하여 저장하는 데이터베이스이며, 플로우 패턴 분석부(130)의 분석 결과를 지속적으로 반영하여 플로우 제어부(120)에서 실시간 플로우 패턴 분석에 참조할 수 있도록 한다.
한편, 본 발명에 따른 네트워크 트래픽 관리 장치(100)는 하기의 세 가지 주요 기능을 수행한다.
첫째, 플로우 처리부(110)는 플로우 인식 기능을 이용하여 플로우를 인식한다. 여기서, 플로우는 개별 패킷 중심의 데이터 처리 방식에서 벗어나, 연속적으로 연관된 데이터 패킷의 집합을 의미한다. 예를 들면, 플로우는 TCP/IP 헤더에 있는 정보들을 기반으로 4, 5 및 7-튜플들로 이루어진다. 플로우 처리부(110)는 이러한 플로우를 인식한 후 이를 기반으로 네트워크상의 데이터들을 처리한다. 플로우 처리부(110)는 적용하고자 하는 분야의 특성에 맞추어 데이터 패킷들의 상호 연관성을 제일 잘 표현할 수 있는 튜플들을 선택하게 된다.
둘째, 플로우 제어부(120)는 세션 인식 기능을 이용하여 세션을 인식한다. 플로우 처리부(110)는 네트워크 트래픽을 이루는 플로우를 인식한다. 그리고 플로우 제어부(120)는 플로우 처리부(110)에서 인식된 각 플로우들의 전달 특성(예를 들면, 플로우 파라미터) 정보를 추출하여 이를 기반으로 각 플로우들이 속하는 세션을 인식한다. 여기서, 플로우 파라미터는 인식된 플로우가 어떠한 전달 특성(Pattern)을 나타내고 있는가에 대한 정보를 나타내는 것이다. 예를 들어, 가장 기초적인 플로우 파라미터는 플로우가 생성되고 종료되는 시점까지의 패킷 카운트, 패킷들의 크기합, 플로우의 생존 시간 등이 있다. 플로우 파라미터는 이러한 기초 정보 외에도 세션을 구별할 수 있는 다양한 플로우 파라미터들이 있다. 플로우 제어부(120)는 이를 기반으로 플로우의 패턴을 가지는 플로우가 속하는 세션을 인식한다.
셋째, 플로우 처리부(110)는 세션 기반 네트워크 기능을 이용하여 세션 기반의 네트워크를 관리하고 제어한다. 이는 IP 네트워크의 기본 특성인 베스트 에포트 방식으로 말미암아 발생하는 관리 및 제어의 문제점들을 해결하기 위함이다. 즉, 플로우 처리부(110)는 ATM에서 사용하는 VC 개념을 IP 네트워크에 적용한다. 플로우 제어부(120)가 네트워크 트래픽의 특성을 플로우 기반으로 분석한 후, 각 플로우를 이루는 세션을 인식한다. 그러면, 플로우 처리부(110)는 그 세션 인식 결과를 이용하여 IP 네트워크를 관리하고 제어한다.
한편, 플로우 처리부(110)는 실시간(Real-time)으로 플로우를 처리한다. 여기서, 실시간 처리란 플로우가 생성되는 시점에 플로우에 대한 처리를 수행할 수 있는 경우를 의미한다.
그리고 플로우 제어부(120) 실행시간(Runtime) 중에 플로우를 제어한다. 여기서, 실행시간 제어란 플로우가 생성된 후, 종료되기 전에 플로우에 대한 제어가 가해질 수 있는 경우를 의미한다.
그리고 플로우 패턴 분석부(130)는 백그라운드(Background)로 플로우 패턴을 분석한다. 여기서, 백그라운드 처리란 플로우의 라이프타임(Life-time)과는 관련이 없는 경우에 처리하는 것을 의미한다. 백그라운드 처리들은 실시간 분석을 제외한 대부분의 분석에 관련된 부분들이다.
도 2 는 본 발명에 따른 네트워크 트래픽 관리 장치가 실제 망 적용될 때의 네트워크의 일실시예 구성도이다.
도 2에 도시된 바와 같이, 플로우 처리부(110)와 플로우 제어부(120)는 일대일(1:1)로 대응되며, 각 네트워크의 인터페이스(Interface) 단에 위치한다.
플로우 패턴 분석부(130)는 플로우 제어부(120)와 일대다(1:N)로 대응되며, 서버팜의 위치에 설치된다. 여기서, 서버팜은 하나 이상의 서버가 있는 웹사이트 또는 다중 서버를 이용해 웹호스팅 서비스를 말한다.
그리고 플로우 제어부(120), 플로우 패턴 분석부(130) 및 플로우 패턴 데이터베이스(140)는 일반적인 네트워크 링크 이외에도 상호 정보 교환을 위한 별도의 시그널링(Signaling) 링크를 가진다. 각각의 링크는 크게 연속적인 패킷들이 전송되는 데이터 링크(201)와 세션 기반의 네트워크 구성 요소들 간의 컨트롤 패킷 들이 전송되는 시그널 링크(211 내지 214)로 구분된다.
예를 들어, 시그널 링크(211 내지 214) 각각을 살펴보면, 시그널 링크(211)는 플로우 정보와 제어 정책 컨트롤 패킷이 전송되는 플로우 처리부(110)와 플로우 제어부(120) 사이의 링크이다. 그리고 시그널 링크(212)는 실시간으로 처리 불가능한 플로우 정보의 전송과 백그라운드로 분석된 결과를 전송하는 플로우 제어부(120)와 플로우 패턴 분석부(130) 사이의 링크(107)이다. 그리고 시그널 링크(213)는 플로우 제어부(120) 또는 플로우 패턴 분석부(130)에서 분석하는 플로우 정보를 플로우 패턴 데이터베이스(140)에 전송하는 링크(213)이다. 그리고 시그널 링크(214)는 플로우 제어부(120)에서 분석된 플로우 정보를 플로우 제어부(120) 간에 공유하는 링크이다.
도 3 은 본 발명에 따른 플로우 및 세션 기반의 네트워크 트래픽 관리 방법에 대한 일실시예 흐름도이다.
플로우 처리부(110)는 네트워크 트래픽의 데이터 링크(201)를 통해 전송되는 패킷들로부터 개별 플로우 정보를 추출하여 플로우를 생성한다(302). 플로우 처리부(110)는 연속적으로 연관된 데이터 패킷의 집합을 인식하되, TCP/IP 헤더정보를 이용하여 상호 연관성있는 소정의 개수의 튜플(Tuple)들을 생성한다.
그리고 플로우 제어부(120)는 추출된 개별 플로우 정보로부터 연관된 플로우 집합에 대한 플로우 파라미터를 추출한다(304).
이어서, 플로우 제어부(120)는 추출된 플로우 파라미터를 이용하여 플로우 패턴을 분석한다(306). 플로우 제어부(120)는 연관된 플로우 집합에 대한 플로우 파라미터로서, 플로우 생성부터 종료 시점까지의 패킷 카운트, 패킷들의 크기 합 및 플로우의 생존 시간을 이용하여 플로우 패턴을 분석한다.
이후, 플로우 제어부(120)는 분석된 결과와 기저장된 세션별 플로우 패턴을 이용하여 플로우 집합이 속한 세션을 인식한다(308). 플로우 제어부(120)는 연관된 플로우 집합에 대한 상관관계로부터 추출된 행위 정보를 기반으로 세션을 실시간으로 인식한다. 플로우 제어부(120)는 분석된 결과와 플로우 패턴 데이터베이스(140)에 기저장된 세션별 플로우 패턴을 이용하여 특정 플로우 패턴이 발생함을 실시간으로 인지하여 세션의 종류를 런타임으로 확인한다.
그리고 플로우 제어부(120)는 인식된 세션 기반으로 트래픽 제어 정책을 결정한다(310).
이어서, 플로우 처리부(110)는 결정된 트래픽 제어 정책에 따라 세션별 네트워크 트래픽을 제어한다(312).
이후, 플로우 패턴 분석부(130)는 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 세션별 플로우 패턴 목록을 갱신한다(314). 여기서, 플로우 패턴 분석부(130)는 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 세션별 플로우 패턴 목록을 갱신한다. 그리고 백그라운드 상으로 분석된 결과, 플로우 패턴 분석부(130)는 새롭게 분석된 플로우 패턴이면 새롭게 분석된 플로우 패턴에 부합하는 새로운 세션별 플로우 패턴 목록을 생성한다.
다시 말하면, 본 발명에 따른 네트워크 트래픽 관리 장치(100)는 네트워크의 세션을 협대역(Narrowband) 세션과 광대역(Broadband) 세션으로 구분하여 네트워크 트래픽을 관리하기 위한 것이다. 즉, 네트워크 트래픽 관리 장치(100)는 협대역 세션을 패킷 기반의 IP 방식으로 처리하고, 광대역 세션을 제어 가능한 세션 스위칭으로 처리하기 위한 것이다. 즉, 네트워크 트래픽 관리 장치(100)는 패킷 단위의 스케쥴링이 아니라 제어 가능한 세션 단위로 스케쥴링하는 기술로 ATM의 제어 기술을 접목한 것이다.
또한, 본 발명에 따른 네트워크 트래픽 관리 장치(100)는 플로우 기반의 세션 인식 기술을 기반으로 하는 세션 기반 IP 네트워크 기술을 이용함으로써, 디도스(DDoS) 공격, 대역폭(Bandwidth) 공격, 피투피(P2P) 등의 다양한 현재 IP 네트워크의 문제점들을 해결하기 위한 것이다. 또한, 네트워크 트래픽 관리 장치(100)는 IPTV, SoIP, 이-러닝(e-Learning) 등과 같은 미션 크리티컬한 트래픽(Mission-Critical Traffic)을 보호함으로써 인터넷의 서비스 품질을 극대화하고자 한다. 또한, 세션 기반 IP 네트워크 기술을 활용하여 네트워크 중심전(NCW: Network Centric Warfare)과 전자정부를 추구하는 국방 광대역 통신망과 국가 정보 통신망에 상존하는 문제점들을 해결하기 위한 것이다.
한편, 전술한 바와 같은 본 발명의 방법은 컴퓨터 프로그램으로 작성이 가능하다. 그리고 상기 프로그램을 구성하는 코드 및 코드 세그먼트는 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 작성된 프로그램은 컴퓨터가 읽을 수 있는 기록매체(정보저장매체)에 저장되고, 컴퓨터에 의하여 판독되고 실행됨으로써 본 발명의 방법을 구현한다. 그리고 상기 기록매체는 컴퓨터가 판독할 수 있는 모든 형태의 기록매체를 포함한다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
도 1 은 본 발명에 따른 플로우 및 세션 기반의 네트워크 트래픽 관리 장치의 일실시예 구성도,
도 2 는 본 발명에 따른 네트워크 트래픽 관리 장치가 실제 망 적용될 때의 네트워크의 일실시예 구성도,
도 3 은 본 발명에 따른 플로우 및 세션 기반의 네트워크 트래픽 관리 방법에 대한 일실시예 흐름도이다.
* 도면의 주요 부분에 대한 부호의 설명
110: 플로우 처리부 120: 플로우 제어부
130: 플로우 패턴 분석부 140: 플로우 패턴 데이터베이스
Claims (14)
- 삭제
- 네트워크 트래픽 관리 장치에 있어서,세션별 플로우 패턴을 저장하기 위한 플로우 패턴 저장 수단;네트워크 트래픽의 데이터 링크를 통해 전송되는 패킷들로부터 개별 플로우 정보를 추출하여 플로우를 생성하고, 트래픽 제어 정책에 따라 플로우별 네트워크 트래픽을 제어하기 위한 플로우 처리 수단;상기 추출된 개별 플로우 정보로부터 연관된 플로우 집합에 대한 플로우 파라미터를 추출하여 플로우 패턴을 분석하고, 상기 분석된 결과와 상기 저장된 세션별 플로우 패턴을 이용하여 상기 플로우 집합이 속한 세션을 인식하고, 상기 인식된 세션 기반으로 상기 트래픽 제어 정책을 결정하기 위한 플로우 제어 수단; 및상기 플로우 제어 수단에서 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 상기 저장된 세션별 플로우 패턴 목록을 갱신하기 위한 플로우 패턴 분석 수단을 포함하는 네트워크 트래픽 관리 장치.
- 제 2 항에 있어서,상기 플로우 패턴 분석 수단은,상기 백그라운드 상으로 분석된 결과, 새롭게 분석된 플로우 패턴이면 상기 새롭게 분석된 플로우 패턴에 부합하는 새로운 세션별 플로우 패턴 목록을 생성하는, 네트워크 트래픽 관리 장치.
- 제 2 항 또는 제 3 항에 있어서,상기 플로우 처리 수단은,연속적으로 연관된 데이터 패킷의 집합을 인식하되, TCP/IP 헤더정보를 이용하여 상호 연관성있는 소정의 개수의 튜플(Tuple)들을 생성하는, 네트워크 트래픽 관리 장치.
- 제 4 항에 있어서,상기 플로우 제어 수단은,상기 연관된 플로우 집합에 대한 플로우 파라미터로서 플로우 생성부터 종료 시점까지의 패킷 카운트, 패킷들의 크기 합 및 플로우의 생존 시간을 이용하여 플로우 패턴을 분석하는, 네트워크 트래픽 관리 장치.
- 제 5 항에 있어서,상기 플로우 제어 수단은,상기 연관된 플로우 집합에 대한 상관관계로부터 추출된 행위 정보를 기반으로 세션을 실시간으로 인식하는, 네트워크 트래픽 관리 장치.
- 제 6 항에 있어서,상기 플로우 제어 수단은,상기 분석된 결과와 상기 저장된 세션별 플로우 패턴을 이용하여 특정 플로우 패턴이 발생함을 실시간으로 인지하여 세션의 종류를 런타임으로 확인하는, 네트워크 트래픽 관리 장치.
- 삭제
- 네트워크 트래픽 관리 방법에 있어서,네트워크 트래픽의 데이터 링크를 통해 전송되는 패킷들로부터 개별 플로우 정보를 추출하여 플로우를 생성하는 플로우 생성 단계;상기 추출된 개별 플로우 정보로부터 연관된 플로우 집합에 대한 플로우 파라미터를 추출하여 플로우 패턴을 분석하는 플로우 분석 단계;상기 분석된 결과와 기저장된 세션별 플로우 패턴을 이용하여 상기 플로우 집합이 속한 세션을 인식하는 세션 인식 단계;상기 인식된 세션 기반으로 트래픽 제어 정책을 결정하고 상기 결정된 트래픽 제어 정책에 따라 세션별 네트워크 트래픽을 제어하는 플로우 제어 단계; 및상기 플로우 분석 단계에서 처리되지 못한 플로우에 대한 플로우 패턴을 백그라운드 상으로 분석하여 세션별 플로우 패턴 목록을 갱신하는 목록 갱신 단계를 포함하는 네트워크 트래픽 관리 방법.
- 제 9 항에 있어서,상기 플로우 패턴 분석 단계는,상기 백그라운드 상으로 분석된 결과, 새롭게 분석된 플로우 패턴이면 상기 새롭게 분석된 플로우 패턴에 부합하는 새로운 세션별 플로우 패턴 목록을 생성하는, 네트워크 트래픽 관리 방법.
- 제 9 항 또는 제 10 항에 있어서,상기 플로우 처리 단계는,연속적으로 연관된 데이터 패킷의 집합을 인식하되, TCP/IP 헤더정보를 이용하여 상호 연관성있는 소정의 개수의 튜플(Tuple)들을 생성하는, 네트워크 트래픽 관리 방법.
- 제 11 항에 있어서,상기 플로우 제어 단계는,상기 연관된 플로우 집합에 대한 플로우 파라미터로서 플로우 생성부터 종료 시점까지의 패킷 카운트, 패킷들의 크기 합 및 플로우의 생존 시간을 이용하여 플로우 패턴을 분석하는, 네트워크 트래픽 관리 방법.
- 제 12 항에 있어서,상기 플로우 제어 단계는,상기 연관된 플로우 집합에 대한 상관관계로부터 추출된 행위 정보를 기반으로 세션을 실시간으로 인식하는, 네트워크 트래픽 관리 방법.
- 제 13 항에 있어서,상기 플로우 제어 단계는,상기 분석된 결과와 상기 저장된 세션별 플로우 패턴을 이용하여 특정 플로우 패턴이 발생함을 실시간으로 인지하여 세션의 종류를 런타임으로 확인하는, 네트워크 트래픽 관리 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080131548A KR101528928B1 (ko) | 2008-12-22 | 2008-12-22 | 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080131548A KR101528928B1 (ko) | 2008-12-22 | 2008-12-22 | 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100072975A KR20100072975A (ko) | 2010-07-01 |
| KR101528928B1 true KR101528928B1 (ko) | 2015-06-16 |
Family
ID=42636043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020080131548A KR101528928B1 (ko) | 2008-12-22 | 2008-12-22 | 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101528928B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019221346A1 (ko) * | 2018-05-15 | 2019-11-21 | 엑사비스 주식회사 | 패킷 저장을 수행하는 네트워크 검사 방법 및 이를 수행하는 시스템 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101136529B1 (ko) * | 2010-11-09 | 2012-04-17 | 플러스기술주식회사 | 세션기반의 트래픽 분석 시스템 |
| KR101284584B1 (ko) * | 2011-06-30 | 2013-07-11 | 에스케이텔레콤 주식회사 | 시그널링 트래픽 관리 시스템 및 그 방법 |
| WO2014189224A1 (ko) * | 2013-05-20 | 2014-11-27 | 주식회사 아이디어웨어 | 무선 네트워크 부하 저감을 위한 서버 장치, 그 동작 방법 및 기록매체 |
| US20160380899A1 (en) * | 2013-11-28 | 2016-12-29 | Kt Corporation | Method and apparatus for dynamic traffic control in sdn environment |
| WO2015080525A1 (ko) * | 2013-11-28 | 2015-06-04 | 주식회사 케이티 | Sdn 환경에서 트래픽의 동적 제어를 위한 방법 및 장치 |
| KR101522405B1 (ko) * | 2013-12-30 | 2015-05-22 | 주식회사 케이티 | 접속망에서의 심층 패킷 조사 방법 및 장치 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040083682A (ko) * | 2003-03-24 | 2004-10-06 | 학교법인 포항공과대학교 | 멀티미디어 서비스 트래픽 모니터링 시스템 및 방법 |
| KR20080035129A (ko) * | 2006-10-18 | 2008-04-23 | 삼성전자주식회사 | 통신시스템에서 서비스 플로우별 패킷 데이터 분류 방법 및장치 |
-
2008
- 2008-12-22 KR KR1020080131548A patent/KR101528928B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040083682A (ko) * | 2003-03-24 | 2004-10-06 | 학교법인 포항공과대학교 | 멀티미디어 서비스 트래픽 모니터링 시스템 및 방법 |
| KR20080035129A (ko) * | 2006-10-18 | 2008-04-23 | 삼성전자주식회사 | 통신시스템에서 서비스 플로우별 패킷 데이터 분류 방법 및장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019221346A1 (ko) * | 2018-05-15 | 2019-11-21 | 엑사비스 주식회사 | 패킷 저장을 수행하는 네트워크 검사 방법 및 이를 수행하는 시스템 |
| US11528199B2 (en) | 2018-05-15 | 2022-12-13 | Xabyss Inc. | Method for network inspection saving packet and system performing the same |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20100072975A (ko) | 2010-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | SGS: Safe-guard scheme for protecting control plane against DDoS attacks in software-defined networking | |
| Masdari et al. | A survey and taxonomy of DoS attacks in cloud computing | |
| KR101528928B1 (ko) | 플로우 및 세션 기반의 네트워크 트래픽 관리 장치 및 그 방법 | |
| KR101812403B1 (ko) | SDN에서의 DoS공격 방어시스템 및 이의 구현방법 | |
| Saravanan et al. | Behavior-based detection of application layer distributed denial of service attacks during flash events | |
| US20110154492A1 (en) | Malicious traffic isolation system and method using botnet information | |
| Aldabbas et al. | A novel mechanism to handle address spoofing attacks in SDN based IoT | |
| Rebecchi et al. | DDoS protection with stateful software‐defined networking | |
| Thomas et al. | DDOS detection and denial using third party application in SDN | |
| Gallopeni et al. | A practical analysis on mirai botnet traffic | |
| Rebecchi et al. | Traffic monitoring and DDoS detection using stateful SDN | |
| Seo et al. | A study on efficient detection of network-based IP spoofing DDoS and malware-infected Systems | |
| Xiao et al. | Discovery method for distributed denial-of-service attack behavior in SDNs using a feature-pattern graph model | |
| Udhani et al. | Human vs bots: Detecting human attacks in a honeypot environment | |
| Schehlmann et al. | COFFEE: a Concept based on OpenFlow to Filter and Erase Events of botnet activity at high-speed nodes | |
| Mishra et al. | Analysis of cloud computing vulnerability against DDoS | |
| Asha et al. | Analysis on botnet detection techniques | |
| Kareem et al. | Entropy-based distributed denial of service attack detection in software-defined networking | |
| Hariri et al. | Quality-of-protection (QoP)-an online monitoring and self-protection mechanism | |
| Mohammad et al. | DDoS attack mitigation using entropy in SDN-IoT environment | |
| Kati et al. | Comprehensive Overview of DDOS Attack in Cloud Computing Environment using different Machine Learning Techniques | |
| Satyanarayana et al. | Detection and mitigation of DDOS based attacks using machine learning algorithm | |
| Rai et al. | Distributed DoS attack detection and mitigation in software defined network (SDN) | |
| JP2018098727A (ja) | サービスシステム、通信プログラム、及び通信方法 | |
| US11128646B1 (en) | Apparatus and method for cloud-based accelerated filtering and distributed available compute security processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |