目前分布式拒绝服务(Distributed Denial of Service——DDoS)攻击对网络的可用性构成了严重的威胁。在已有的DDoS攻击检测方法中,基于统计学的方法时间复杂度较高;基于熵的方法检测阈值难以确定;基于机器学习的方法需要大量的训练开销。这使得在大规模高速网络中,实时或准实时地检测DDoS攻击较为困难。有鉴于此,本文提出了基于网络熵变率的DDoS攻击检测方法。网络熵变率是指网络Shannon熵相对于网络中在传输数据包数量的变化率。本文首先给出了网络熵变率的定义,然后建立了网络熵变率的测量和计算方法,再后形式化地证明了网络熵变率的性质,最后设计了基于网络熵变率的DDoS攻击检测方法,并对相关方法进行了实验验证。本文的主要工作如下:(1)提出了一个新的网络负载变化度量指标——网络熵变率,给出了网络熵变率的测量和计算方法。网络熵变率对网络流量特性表达的抽象程度适中,可以相对高效地反映出网络中的流量特性异常。(2)提出了一种基于网络熵变率的DDoS攻击检测方法。该方法首先计算网络当前时段的网络熵变率值,然后通过滑动窗口动态地更新阈值判断是否发生异常。如果有异常发生,再用基于相对熵的DDoS攻击检测方法,计算当前数据包统计分布与其正常分布的相对熵,最后用得出的相对熵做进一步确认。两种方法的结合,既弥补了由于网络熵变率这一指标抽象度太高而导致DDoS攻击检测误报率相对较高的不足,又解决了基于相对熵的DDoS攻击检测方法中输入数据量大,实时性差的缺点。本文提出的DDoS攻击检测方法对新型的DDoS攻击类型能做到一定程度上的响应。(3)根据以上算法设计并实现了一个DDoS攻击检测系统,该系统由DDoS检测工具和数据可视化系统两个部分组成。该系统能够在大规模高速网络中,相对高效地检测出DDoS攻击。实验数据表明,本文提出的DDoS攻击检测算法在准确性和实时性之间实现了较好的平衡。