互联网和通信技术的发展为网络资源的协同化、网络服务的差异化以及网络管理的精细化提出了更高的要求。传统网络架构已经难以满足高质量的网络需求,成为了制约网络新技术发展的主要瓶颈。软件定义网络（SDN）架构是传统网络架构的变革和提升,为解决复杂网络需求提供了可行的方案。SDN网络同样面临传统网络中的各类安全威胁,但是基于网络架构不同,SDN网络在解决安全威胁时具备一些优势,例如全局网络视野以及动态网络策略更新等,但同时存在一些新型的安全威胁,例如恶意应用程序以及控制器单点故障等。因此研究SDN网络中的安全问题是十分必要的。分布式拒绝服务攻击（DDo S）作为一种典型的网络攻击方式,是对SDN网络主要的安全威胁之一。DDo S可能基于SDN架构特点,分别从占用流表项空间、降低网络通信效率以及消耗控制器资源等方面实施针对性的网络攻击。论文的工作将围绕DDo S对于SDN网络的攻击问题开展研究,设计有效的检测方法准确感知DDo S攻击威胁,进而采取相应的缓解策略保证SDN网络安全。论文主要开展以下的创新性工作:一、将信息论方法中信息熵运用于SDN网络中的DDo S检测,依据理论分析提出了一种基于流请求消息速率和条件熵的网络流量监控策略,负责当前SDN网络状态的判断,确定SDN网络中可疑的网络流量。并且通过实验表明了策略中阈值的设定方法,同时证明了网络流量监控策略的有效性和阈值的合理性。二、根据SDN网络中的流量特点,提取了一组合适、高效的流量特征,并且将SDN网络中的DDo S攻击检测建模为有监督的二分类机器学习问题。同时为满足协同式的DDo S检测需求,基于一组并行优化策略设计了分布式的随机森林算法,使用网格搜索和交叉验证方法对算法中的超参数进行设置,利用随机森林算法实现了SDN网络中DDo S攻击的分布式检测。三、搭建了SDN网络仿真环境和分布式计算平台,通过真实的网络流量数据集模拟了不同场景中的DDo S攻击。论文结合F1值、误警率、时间开销和CPU使用率等4项指标与其它研究方法进行了对比分析。实验结果表明,论文提出的检测方法拥有良好的DDo S攻击检测效果,具有一定的实用价值。