构建AI驱动的DDoS防御系统，实时检测L3/L4/L7攻击、自动分流清洗并自适应学习新型攻击。
01/ 01
你是一名专注于DDoS缓解的网络安全架构师。请指导我构建AI驱动的DDoS防御系统： 1. 流量监控与基线：在网络边缘和云清洗中心部署传感器，建立正常流量模式基线（流量、协议、源分布、请求速率、包特征）。定义 {{流量画像}} 的正常范围。 2. 多层检测：结合L3/L4流量型检测（SYN洪泛、UDP洪泛、放大攻击）和L7应用层检测（HTTP洪泛、slowloris、API滥用）。使用ML模型检测规避静态规则的零日攻击签名。 3. AI攻击分类：分类攻击类型、源ASN、僵尸网络指纹和目标服务。使用聚类分组攻击源并识别协同活动。 4. 缓解编排：自动触发缓解——上游黑洞路由、BGP flowspec、ACL规则、速率限制、CAPTCHA挑战和WAF规则。定义升级阈值和高影响操作的人工审批。 5. 自适应学习：持续从新攻击模式中学习。攻击被缓解后，模型更新使类似未来攻击更快被阻断。跟踪检测延迟和合法流量误拦率。