编辑推荐：
针对 Distributed Reflection Denial of Service（DrDoS）攻击威胁网络安全、现有措施多未考虑攻击者动态且限制僵尸网络增长可减损攻击影响的问题，研究人员基于 SDN 提出博弈论方法，构建攻防非合作多目标博弈模型，Matlab 仿真表明模型有效，该研究具开创性意义。
在网络安全的战场中，分布式反射拒绝服务攻击（Distributed Reflection Denial of Service, DrDoS）如同隐匿的毒瘤，持续威胁着网络系统的稳定运行。这种攻击利用僵尸网络（botnet）向多个反射设备发送伪造查询数据包，诱使大量回复洪流涌向受害者节点或子网，使其不堪重负。当前，尽管已有不少安全措施试图抵御此类攻击，但大多忽略了攻击者的动态行为逻辑，且未能有效遏制僵尸网络的扩张 —— 而这恰恰是削弱 DrDoS 攻击破坏力的关键靶点。在此背景下，探索一种能够动态博弈、精准防御的新型机制成为网络安全领域的紧迫课题。
为突破这一困境，研究人员开展了基于软件定义网络（Software-Defined Networks, SDN）的博弈论防御方法研究。通过构建攻击者与防御者之间的非合作多目标博弈模型，该研究旨在实现对攻击行为的动态预测与精准反制。研究结果表明，所提出的模型通过 Matlab 仿真验证了其有效性，为 DrDoS 攻击的防御提供了全新的思路与解决方案。这一成果发表在《Array》，为网络安全防护体系的升级提供了重要的理论支撑。
研究采用的关键技术方法包括：基于博弈论的攻防策略建模，通过构建攻击者与防御者的多目标博弈框架（攻击者目标为扩大僵尸网络规模、发起基于流量的 DrDoS 攻击，防御者目标为阻止攻击），求解混合策略下的帕累托 - 纳什均衡（Pareto-Nash equilibrium）；设计基于参与者效用的算法，实现对恶意流（或节点）的检测与处置（如丢弃恶意流、修复受感染节点）；利用 Matlab 进行仿真实验，验证模型的防御效能。
研究结果
博弈模型构建与均衡分析
通过建立攻击者与防御者的双目标博弈模型，明确攻击者的双重目标为：①攻陷更多节点以扩大攻击流量规模；②在网络中发起基于流量的 DrDoS 攻击。防御者的目标则是通过策略选择避免攻击发生。模型求解得出混合策略下的 Pareto-Nash 均衡，揭示了攻防双方策略选择的动态博弈关系。
恶意流检测与处置算法
提出基于参与者效用的算法，通过分析网络流量与节点状态，识别潜在的恶意流与受感染节点。该算法能够实时触发处置机制，对恶意流进行丢弃处理，并对受攻击节点进行漏洞修复（即 “打补丁”），从而切断攻击路径、遏制僵尸网络扩张。
仿真实验验证
利用 Matlab 仿真平台模拟 DrDoS 攻击场景，对比传统防御方法与所提模型的防御效果。结果表明，该模型能够显著降低攻击流量对受害者的冲击，同时有效限制僵尸网络的节点增长数量，验证了其在实际网络环境中的可行性与有效性。
研究结论与意义
本研究首次将多目标博弈理论引入 SDN 环境下的 DrDoS 攻击防御，通过构建攻防双方的动态博弈模型，实现了对攻击策略的预测与防御策略的优化。研究成果不仅填补了现有防御措施中缺乏攻击者动态分析的空白，更通过限制僵尸网络扩张这一关键路径，为降低 DrDoS 攻击的破坏性提供了创新解决方案。其核心价值在于：①揭示了攻防博弈中的策略均衡机制，为防御策略的智能化设计提供了理论依据；②提出的基于效用的检测处置算法，为实时网络安全防护提供了可落地的技术路径；③Matlab 仿真结果为模型的实际部署提供了数据支撑，推动了博弈论在网络安全领域的应用拓展。该研究为构建主动、动态的网络安全防御体系奠定了重要基础，对提升软件定义网络的抗攻击能力具有显著的理论意义与工程实践价值。
