QUICShield: A Rapid Detection Mechanism Against QUIC-Flooding Attacks
Notice bibliographique
Résumé
QUICis a modern transport layer internet protocol designed to be more efficient and secure than TCP (Transmission control protocol). However, QUIC remains vulnerable to handshake flooding attacks due to its similar design to TCP in the handshaking process. This paper introduces an innovative defence mechanism, QUICShield, which enables rapid detection and protection from QUIC-flooding DDoS attacks across different IP spoofing scenarios. QUICShield is a Bloom filter-based technique that provides rapid change detection to distinguish between incomplete or invalid handshakes and legitimate connections while accounting for common handshake errors. It utilizes the probabilistic data structure of Bloom Filter to detect malicious traffic effectively and incorporates change detection techniques to adapt to evolving attack patterns. Also, it addresses the unique challenges of QUIC-Flooding attacks, which exploit the protocol's stateless nature and the inclusion of cryptographic computations to overwhelm a target's computational resources. Existing defence mechanisms against DDoS attacks primarily focus on TCP SYN-Flooding. Although these approaches are effective in the TCP domain, they are inadequate in addressing the specific vulnerabilities related to the QUIC protocol. Our QUICShield technique fills this gap by offering a customized solution for QUIC-based systems. It neutralizes malicious traffic, maintains legitimate connections, and adapts to IP spoofing in the QUIC protocol networks. Furthermore, QUICShield defends against QUIC-Flooding DDoS attacks, with real attack emulation demonstrating improved detection of previously ineffective invalid packets, boosting network resilience against security threats.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».