随着网络技术的普及,网络攻击的手段和方式层出不穷,尤其是拒绝服务攻击给当今的网络环境造成了巨大危害。2010年,Arbor Networks在其全球年度互联网基础设施安全报告中表示,DDoS攻击的规模首次突破453.8Gbps。目前,拒绝服务攻击已经成为难以解决的主要安全问题之一,这是由它易于实施、难以防范且难以跟踪的特点引起的。因此,DoS攻击的检测和防御技术已成为网络安全领域的研究热点。本文采用神经网络和博弈理论,在深入分析现存入侵检测算法和防御方案的基础上,提出一种DoS攻击智能检测/防御系统,主要研究内容如下:首先,本文将针对该数据集中的特征字段,根据各类型数据和特征间的相关度以及DoS攻击的特性筛选出显著特征,并构成一个完整特征集和两个简化特征集。此后通过大规模的训练和测试,构建了一个包含两个隐含层的BP神经网络攻击检测模型,在考虑其他攻击流量的情况下,使用简化后的9个特征,DoS攻击的检测正确率可提高至99.927%。然后,进一步对未识别出的DoS数据利用博弈理论进行二次分析,本文提出的博弈模型中,博弈双方可根据系统实时情况按既定的博弈方案动态调整防御策略,并对流量进行筛查,进一步区分其中可能被遗漏的DoS攻击源,使对DoS攻击的检出率提高到99.993%。在整体系统的设计中,本文依据建立的检测模型提出了防御方案中的两个关键参数,即评价系数e和合法判定率JR,它们不仅仅起到了连接评价和防御方案动态调整的作用,也成为了连接检测方法和防御手段的桥梁,使得整个系统方案完整统一。