在社会信息化的进程中,信息已成为社会发展的重要资源,信息安全也成为21世纪国际竞争的重要战场。为了保护国家的政治利益和经济利益,各国政府都非常重视信息和网络安全,信息安全已成为一个世纪性、全球性的研究课题。在网络攻击中,DoS及DDoS核心攻击因其强大的破坏力而引起了世人高度的重视,分布式拒绝服务攻击(DDoS--Distributed Denial of Service)是近年来对Internet具有巨大影响的恶意攻击方式,给互联网业务带来了不可估量的损失。但是,目前对DDoS攻击进行防范、检测和反击的研究工作没有实质性的重大突破,没有能准确及时预测DDoS攻击发生的有效方法,DDoS攻击的检测与防护是当前网络安全领域的重要前沿。传统检测方法使用基于特征匹配的检测,不适用于基于网络的DDoS攻击的检测。本文对真实网络业务流量统计特性(自相似性)进行了研究,并对真实DDoS攻击给网络流量统计特性造成的影响进行了分析,主要工作包括:(1)对网络流量的自相似性-Hurst参数、Hurst参数的时变函数H(t)进行了分析,在此基础上建立的正常网络流量模型比传统的特征匹配更准确描述了网络流量的特性。(2)研究了基于正常网络流量模型对网络流量进行实时限幅,由自相似性的变化来预测DDoS攻击的方法,并通过模拟实验验证了该方法的准确性。(3)对于不同的DDoS攻击方式,我们使用上述方法进行检测,将流经的包头信息存入数据库,利用统计分析来对攻击定位。以上结果表明基于网络流量的统计分析方法能够在一定程度上检测出DDoS攻击,比传统的基于特征匹配的DDoS入侵检测方法,在实时性、准确率上有较大提高。